一种基于单类 Twin 交叉学习（OCT-X）的集成 AI 系统用于早期胃癌检测
图像与视频处理
2026-01-21 v1 计算机视觉与模式识别
人机交互
摘要
早期检测胃癌——全球范围内导致癌症死亡的主要原因之一——仍受当前诊断技术的局限性制约，导致诊断错误率和漏诊率居高不下。为应对这些挑战，我们提出了一个集成系统，协同利用先进的硬件和软件技术以实现速度与精度的平衡。本研究引入了单类 Twin 交叉学习（OCT-X）算法。利用一种新颖的快速双阈值网格搜索策略（FDT-GS）和基于补丁的深度全卷积网络，OCT-X 通过实时数据处理和无缝病灶监视 maximization 诊断精度。硬件组件包括一个集成一体化的便携式即时检测（POCT）设备，配备高分辨率成像传感器、实时数据处理和无线连接功能，由 NI CompactDAQ 和 LabVIEW 软件实现。我们的集成系统实现了前所未有的 99.70% 诊断准确率，显著优于现有模型高达 4.47%，并在多速率适应性方面实现了 10% 的改进。这一发现凸显了 OCT-X 以及集成系统在临床诊断中的潜力，为更准确、更高效、更不侵入性的早期胃癌检测指明了道路。未来研究将探索更广泛的应用，进一步推动肿瘤学诊断的发展。代码已公开于 https://github.com/liu37972/Multirate-Location-on-OCT-X-Learning.git。
引用
@article{arxiv.2504.01038,
title = {An Integrated AI-Enabled System Using One Class Twin Cross Learning (OCT-X) for Early Gastric Cancer Detection},
author = {Xian-Xian Liu and Yuanyuan Wei and Mingkun Xu and Yongze Guo and Hongwei Zhang and Huicong Dong and Qun Song and Qi Zhao and Wei Luo and Feng Tien and Juntao Gao and Simon Fong},
journal= {arXiv preprint arXiv:2504.01038},
year = {2026}
}
备注
26 pages, 4 figures, 6 tables