计算机辅助诊断系统:对经典机器学习与基于深度学习的方法进行比较研究
Ramzi Guetari1, Helmi Ayari1, Houneida Sakly2
1SERCOM Laboratory, Polytechnic School of Tunisia, University of Carthage, PO Box 743, La Marsa, 2078 Tunisia.
Knowledge and information systems
|June 26, 2023
概括
机器学习 (ML) 模型在医疗保健中提供了更好的诊断准确性,有助于瘤分类和COVID-19检测. 经典和深度学习方法之间的选择取决于最佳患者结果的数据集大小.
科学领域:
- 医学成像分析 医学成像分析
- 医疗保健中的人工智能
- 诊断系统 诊断系统
背景情况:
- 准确的诊断对于患者的治疗结果至关重要,但临床判断的变化可能会导致低于最佳的或致命的治疗.
- 机器学习 (ML) 提供自动化数据分析,以创建预测模型,优化诊断并可能挽救生命.
研究的目的:
- 审查和评估用于瘤分类和COVID-19感染检测的不同机器学习模型.
- 将经典的计算机辅助诊断 (CAD) 系统与基于深度学习的CAD系统进行比较.
主要方法:
- 审查用于医疗图像分析的各种机器学习模型和算法,用于分类任务.
- 基于手动或单独的ML特征提取的经典CAD系统与具有自动特征识别和提取的深度学习CAD系统的比较.
主要成果:
- 基于经典和深度学习的CAD系统在诊断任务中表现相似.
- 选择合适的CAD系统取决于数据集.
结论:
- 在医疗图像分析中,手动特征提取对于小型数据集是首选的.
- 深度学习方法更适合较大的数据集,提供自动特征提取以提高诊断准确度.
更多相关视频
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
8.3K
07:15Machine Learning Algorithms for Early Detection of Bone Metastases in an Experimental Rat Model
Published on: August 16, 2020
6.9K