一种基于胸部CT图像的新肺癌检测方法,使用联邦学习和区块链系统
Arash Heidari1, Danial Javaheri2, Shiva Toumaj3
1Department of Computer Engineering, Tabriz Branch, Islamic Azad University, Tabriz, Iran.
Artificial intelligence in medicine
|June 9, 2023
概括
这项研究引入了一种新的方法,使用基于区块链的联合学习 (FL) 来从CT扫描中准确检测肺癌. 该方法增强了医疗成像领域的全球合作,同时保持了数据隐私.
科学领域:
- 医学成像和诊断 医学成像和诊断
- 医疗保健中的人工智能
- 医学领域的网络安全
背景情况:
- 肺癌是全球死亡的主要原因,需要提高诊断准确度.
- 计算机断层扫描 (CT) 扫描对于肺部疾病诊断至关重要,但人类的解释面临局限性.
- 全球共享医疗数据用于人工智能模型培训受到隐私问题和数据变异性的阻碍.
研究的目的:
- 开发一种准确的方法来检测CT扫描中的恶性肺结节.
- 使用先进的计算技术,对肺癌的严重程度进行分类.
- 建立一个保护隐私的框架,用于全球深度学习模式的协作培训.
主要方法:
- 利用深度学习 (DL) 算法,特别是CapsNets,用于结节检测和本地分类.
- 实施数据规范化技术,以标准化来自不同来源的CT扫描数据.
- 开发了一种基于区块链的联合学习 (FL) 方法,用于安全,协作的全球模式培训.
主要成果:
- 在检测肺癌患者方面取得了高精度,证明了拟议方法的有效性.
- 集成的区块链和FL系统成功训练了全球DL模型,同时保持了机构匿名性.
- 该技术在多个数据集上产生了99.69%的准确性,最小的分类错误.
结论:
- 拟议的基于区块链的FL方法为保护隐私的协作肺癌检测提供了一个强大的解决方案.
- 这种方法解决了医疗数据共享和全球AI模型开发的关键挑战.
- 这些发现表明,CT成像对肺癌的自动诊断和分类取得了重大进展.
