肺癌计算机断层扫描图像的分类使用3维深卷积神经网络与多层过器
Ebtasam Ahmad Siddiqui1, Vijayshri Chaurasia2, Madhu Shandilya2
1Maulana Azad National Institute of Technology, Bhopal, 462003, India. ebtasam.bh27@gmail.com.
Journal of cancer research and clinical oncology
|June 27, 2023
概括
这项研究引入了使用3D深卷积神经网络的自动肺结节诊断系统. 这种新技术可以准确地区分恶性和良性肺结节,改善早期肺癌检测.
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:
- 肺癌的早期诊断对于患者的生存至关重要.
- 肺结节是肺癌的关键指标.
- 计算机辅助诊断工具可以帮助早期检测.
研究的目的:
- 介绍一种新的自动化肺结节诊断技术.
- 提高肺结节分类的准确性和效率.
- 为了区分恶性和良性肺结节.
主要方法:
- 使用了体积计算断层扫描 (CT) 图像.
- 采用了具有多层过器的3D深卷积神经网络 (CNN).
- 生成3D特征层,保持CT切片之间的时间链接.
- 包含多个激活功能,用于增强功能提取.
主要成果:
- 提出的方法实现了高精度,灵敏度和特异性.
- 在 LUNA 16,LIDC-IDRI 和 TCIA 数据集上表现出优于最先进的方法的性能.
- 报告了F-1得分的改善和虚假阳性和虚假阴性率的降低.
结论:
- 自动化的3D CNN方法为肺结节诊断提供了有效的解决方案.
- 这种技术显示出早期和准确的肺癌检测的巨大潜力.
- 该方法提供了一个强大的工具,用于将肺结节分类为恶性或良性.
