ピラミッドカスケード神経模糊断片ネットワークを用いた多様式肺がん検出
Ramachandran A1, Michael Mahesh K2, Vijayan Panneerselvam1
1Department of Artificial Intelligence and Data Science, Saveetha Engineering College, Chennai, India.
Cancer investigation
|September 5, 2025
まとめ
この研究では,CTとPETスキャンを用いた肺がんの正確な検出 (LCD) のための新しいピラミッドカスケード神経模糊分岐ネットワーク (PCNFFN) が導入されています. PCNFFNモデルは高精度で 早期診断と患者のアウトカムを改善しました
科学分野:
- 医療用イメージング
- 医療における人工知能
- コンピュータ生物学
背景:
- 肺がんの早期発見は,患者の生存と治療の有効性にとって極めて重要です.
- コンピュータトモグラフィー (CT) とポジトロン放出トモグラフィー (PET) は,肺がんのスクリーニングの重要なイメージング方法です.
- 既存のLCD技術はしばしば限界と不確実性に直面しています.
研究 の 目的:
- 肺がんの検出を向上させるための新しいピラミッドカスケードニューロ・フージー・フレクションネットワーク (PCNFFN) を導入する.
- 統合CTとPET画像を用いた肺がん診断の正確性と信頼性を向上させる.
- 現在の肺がん検出方法の不確実性に対処するためです
主な方法:
- 双方向フィルター (BF) を使ってCTとPET画像の事前処理.
- デュアルアテンションVネットワーク (DAV-Net) による肺の分断.
- ブラックホール・エントロピー・フージー・クラスタリング (BHEFC) を用いた腫瘍分割.
- 特徴抽出とPCNFFN,PyramidNet,NFN,Fractional Calculus (FC) のハイブリッドを用いた最終的な肺がん検出
主要な成果:
- PCNFFNモデルは,約91.002%の高い精度を示した.
- 約90.504%の真の負の比率 (TNR) を達成した.
- 肺がん検出において約92. 571%の真の陽性率 (TPR) を達成した.
結論:
- 開発されたPCNFFNは,肺がんの検出に強固で正確なアプローチを提供します.
- 先進的な画像処理と ディープラーニングの統合により 診断性能が著しく向上します
- この方法は肺がんの早期診断と 治療の効果を期待できます
