在胸腔镜图像上检测肺癌的位置,使用深 convolutional 神经网络
Yuya Ishikawa1, Takaaki Sugino2, Kenichi Okubo1
1Department of Thoracic Surgery, Tokyo Medical and Dental University, Tokyo, Japan.
Surgery today
|June 24, 2023
概括
一个深层卷积神经网络 (DCNN) 从胸腔镜图像中检测肺部瘤的准确率超过了90%,帮助外科医生进行最少的侵入性手术.
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:
- 微创手术对于肺癌越来越常见.
- 在手术期间精确检测瘤对于患者的治疗结果至关重要.
- 胸腔镜成像为实时分析带来了独特的挑战.
研究的目的:
- 为了评估深层卷积神经网络 (DCNN) 检测肺瘤的有效性.
- 用记录的胸腔镜图像来评估DCNN的性能.
- 确定人工智能在肺癌手术期间协助外科医生的潜力.
主要方法:
- 收集了来自427名肺癌患者的644张胸腔镜图像.
- 使用先进的YOLO深卷积神经网络 (DCNN) 来进行对象检测.
- 经过培训并使用15倍交叉验证方案验证DCNN模型.
主要成果:
- 获得的精度,回忆和F1分数分别为91.9%,90.5%和91.1%.
- 该DCNN模型在瘤检测中显示出超过90%的准确性.
- 淋巴血管入侵与成功检测有显著的关联 (p=0.045).
结论:
- 基于DCNN的算法在胸腔镜图像中显示了高精度的肺瘤检测.
- 这种人工智能工具可以通过在屏幕上自动突出显示潜在瘤来帮助外科医生.
- 这些发现支持将AI整合到提高肺癌手术精度的研究中.
