企业官网建设流程全解析

做微商截图的网站,邯郸市中考管理平台官网,合肥建设集团信息网站,张家口网站建设zjktao背景#xff1a;胰腺癌是最具侵袭性的癌症之一#xff0c;生存率极低。超声内镜#xff08;EUS#xff09;是关键的诊断手段#xff0c;但其效果受操作者主观性制约。本研究评估了一种基于Vision Transformer的深度学习分割模型在胰腺肿瘤识别中的应用。方法#xff1a;使…背景胰腺癌是最具侵袭性的癌症之一生存率极低。超声内镜EUS是关键的诊断手段但其效果受操作者主观性制约。本研究评估了一种基于Vision Transformer的深度学习分割模型在胰腺肿瘤识别中的应用。方法使用以Vision Transformer为骨干的USFM框架构建分割模型采用17,367张EUS图像来自两个公开数据集进行5折交叉验证训练。模型在独立测试集包含来自另一公开数据集的350张EUS图像均由放射科医师手动标注上验证。预处理包括灰度转换、裁剪及统一缩放至512×512像素。评估指标涵盖戴斯相似系数DSC、交并比IoU、敏感性、特异性及准确率。结果在5折交叉验证中模型平均DSC为0.651±0.738IoU为0.579±0.658敏感性达69.8%特异性为98.8%准确率为97.5%。在外部验证集上模型DSC为0.65795% CI: 0.634–0.769IoU为0.61495% CI: 0.590–0.689敏感性为71.8%特异性达97.7%。结果整体稳定但9.7%的案例出现错误多重预测现象。结论基于Vision Transformer的模型在EUS图像胰腺肿瘤分割中表现出良好性能。然而数据集的异质性和有限的外部验证表明该技术仍需进一步优化、标准化并进行前瞻性研究验证。