深度学习算法在使用CT图像检测和分类肝病方面的性能评估
R V Manjunath1, Anshul Ghanshala2, Karibasappa Kwadiki3
1Department of Electronics &Communication Engineering, Dayananda Sagar Academy of Technology and Management, Bangalore-82, India.
Multimedia tools and applications
|June 26, 2023
概括
一个新的深度学习模型从计算机断层扫描 (CT) 图像准确地检测和分类肝脏瘤. 这种先进的技术显著提高了肝脏疾病的诊断性能,超过了现有的方法.
科学领域:
- 医疗成像医学成像
- 人工智能在医学中的应用
- 在瘤学瘤学.
背景情况:
- 计算机断层扫描 (CT) 成像对于诊断肝脏疾病至关重要.
- 由于肝脏的复杂性,CT图像的精确瘤特征 (类型,大小,严重程度) 对放射科医生来说具有挑战性.
- 开发计算机辅助诊断工具对于改善肝病诊断至关重要.
研究的目的:
- 引入一种新的深度学习模型,用于CT图像中检测和分类肝脏瘤.
- 为了区分转移和胆管癌肝脏瘤.
- 评估模型的性能与现有算法对比.
主要方法:
- 开发一种新的深度学习模型.
- 该模型应用于计算机断层扫描图像,用于肝脏瘤检测和分类.
- 使用准确性,子相似系数 (DSC) 和特异性对模型性能进行比较分析.
主要成果:
- 拟议的深度学习模型在检测和分类肝脏瘤方面表现出卓越的性能.
- 达到了98.59%的高子相似系数,表明了出色的细分精度.
- 该模型在各种数据集中显示出强的性能,并且超过了已建立的算法.
结论:
- 这种新型的深度学习模型提供了使用CT图像进行肝脏瘤诊断的高度准确和可靠的方法.
- 这种计算机辅助的方法有可能显著提高肝脏疾病的诊断能力.
- 该模型在分类瘤类型 (转移与胆管癌) 的有效性有助于治疗规划.
