面向高精度口咽鳞状细胞癌 (OCSCC) 检测的卷积神经网络设计
计算机视觉与模式识别
2025-10-21 v1
摘要
口咽鳞状细胞癌 (OCSCC) 是头颈部最常见的癌症类型。由于其早期阶段隐匿、发育深部区域不明显以及生长缓慢，OCSCC 常被忽视，导致可预防的死亡。然而，经过训练的卷积神经网络 (CNN)，凭借其精确图像分割技术及对 RGB 图像值施加核矩阵进行模式识别的能力，对于 OCSCC 的早期检测是有效手段。将该神经网络与图像采集与处理硬件配对可提高 OCSCC 检测的效果。本项目的目标是开发识别 OCSCC 的 CNN，以及设计物理硬件系统以捕获和处理详细图像，以确定实现准确预测所需的图像质量。在 4293 张训练图像（包括良性肿瘤、恶性肿瘤和阴性样本）上训练的 CNN 被用于评估其在 OCSCC 预测中的精确率、召回率和 Mean Average Precision (mAP)。测试数据集随机挑选癌性、非癌性和阴性图像，每张图像被改造为 5 种常见分辨率。该测试数据集经 CNN 彻底分析，预测按准确率进行评分。设计的增强硬件用于捕获详细图像，其影响被评估。开发了应用程序以便于测试过程并实现 CNN 的开放获取。分辨率递增的图像在对数尺度上导致更高的预测准确率，表明更高像素密度的报酬呈递减趋势。
引用
@article{arxiv.2510.16235,
title = {Designing a Convolutional Neural Network for High-Accuracy Oral Cavity Squamous Cell Carcinoma (OCSCC) Detection},
author = {Vishal Manikanden and Aniketh Bandlamudi and Daniel Haehn},
journal= {arXiv preprint arXiv:2510.16235},
year = {2025}
}