CT画像を用いた肺がん分類のための効率的なハイブリッド人工知能フレームワーク | JoVE Visualize

科学分野:

医用画像処理
人工知能
腫瘍学

背景:

肺がんは生存率が低いため、患者の転帰を改善するには早期発見が必要です。
コンピューテッドトモグラフィー（CT）画像は肺疾患の特定に役立ちますが、手動での分析は時間がかかり、エラーが発生しやすいです。
AIを用いた自動肺がん予測は、手動でのCT画像分析の限界を克服できます。

研究の目的:

正常、良性、または悪性の肺CT画像を分類するためのハイブリッドAIモデルを開発および評価すること。
肺がん予測のためのディープラーニングモデルと組み合わせたさまざまな特徴抽出方法のパフォーマンスを比較すること。

主な方法:

従来の機能（Gray-Level Co-occurrence Matrix、Scale-Invariant Feature Transform）とディープラーニング機能（VGG-16、MobileNet）を統合したハイブリッドAIモデルを提案しました。
イラク腫瘍学教育病院/国立がんセンター（IQ-OTH/NCCD）データセットの肺CT画像から特徴を抽出し、前処理および融合しました。
6つの特徴抽出モジュールの組み合わせが分類パフォーマンスについて評価されました。

主要な成果:

Gray-Level Co-occurrence Matrix (GLCM)とScale-Invariant Feature Transform (SIFT)をMobileNetに統合することで、最高の精度、適合率、再現率、F1スコア、特異度を達成しました。
提案されたハイブリッドAIモデルは、肺がん予測において既存の最先端の方法を上回りました。
モデルは、リアルタイム展開のための信頼性の高いパフォーマンスと適合性を示しました。

結論:

従来の機能とディープラーニング機能を組み合わせたハイブリッドAIモデルは、CT画像からの肺がん予測のための信頼性が高く正確な方法を提供します。
このAI主導のアプローチは、早期の肺がん検出を強化し、生存率を向上させる可能性があります。
開発されたモデルは、ヘルスケア設定での臨床応用とリアルタイム展開に有望です。