通过基于患者计算机断层扫描的预测超光谱特征来识别肝脏瘤的放射学特征
Xuehu Wang1, Tianqi Wang1, Yongchang Zheng2
1College of Electronic and Information Engineering, Hebei University, Baoding 071000, China; Research Center of Machine Vision Engineering & Technology of Hebei Province, Baoding 071000, China; Key Laboratory of Digital Medical Engineering of Hebei Province, Baoding 071000, China.
Photodiagnosis and photodynamic therapy
|May 29, 2023
概括
这项研究使用人工智能来增强计算机断层扫描 (CT) 图像与高光谱成像 (HSI) 数据用于早期肝脏瘤检测. 人工智能模型达到90%以上的准确性,改善了非侵入性查.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 在瘤学瘤学.
背景情况:
- 原发性肝脏瘤对健康构成重大风险.
- 早期诊断对于患者的生存至关重要.
- 改善非侵入性肝脏瘤检测是必不可少的.
研究的目的:
- 开发一种人工智能驱动的方法,用于早期检测肝脏瘤.
- 为了提高使用放射学和HSI的非侵入性诊断准确度.
- 整合CT和HSI数据以改善瘤识别.
主要方法:
- 使用七种数据增强技术增强了464个样本的数据集.
- 使用XGBoost模型将计算机断层扫描 (CT) 功能映射到高光谱成像 (HSI) 数据中.
- 从CT特征中预测HSI特征,以丰富CT数据.
主要成果:
- 用了四个分类器来检测瘤.
- 在肝脏瘤的分类准确度超过90%.
- 证明了人工智能模型在辨别瘤存在方面的有效性.
结论:
- 提出了一种使用CT放射学来预测HSI特征的AI方法.
- 实现了非侵入性瘤预测和早期查.
- 显著提高了非侵入性肝脏瘤检测的准确性.
