肺癌亚型的自动分类使用深度学习和基于CT扫描的放射性分析
Bryce Dunn1, Mariaelena Pierobon2, Qi Wei1
1Department of Bioengineering, George Mason University, Fairfax, VA 22030, USA.
Bioengineering (Basel, Switzerland)
|June 28, 2023
概括
人工智能 (AI) 工具可以从CT扫描中自动诊断肺癌亚型. 深度学习细分和机器学习分类实现了92.7%的准确性,有助于个性化医学.
科学领域:
- 无线电学 (Radiomics) 是一种辐射学.
- 医学成像分析 医学成像分析
- 在瘤学中使用人工智能
背景情况:
- 传统的肺癌诊断依赖于主观的放射科医生的解释.
- 自动诊断工具对于放射学和个性化医学至关重要.
- 精确的瘤细分是人工智能模型在肺癌研究中的关键挑战.
研究的目的:
- 评估一个AI模型用于CT图像上的自动肺癌细分.
- 评估人工智能驱动的放射性特征分析用于分类肺癌亚型的性能.
- 展示人工智能技术的整合,用于非侵入性肺癌诊断.
主要方法:
- 应用了增量多分辨率残留网络 (iMRRN) 来自动细分355名患者的CT图像中的肺瘤.
- 从细分的病变中提取放射性特征.
- 在放射性特征上训练了七个分类算法,使用过量采样对不平衡数据进行分类,以分类肺癌亚型.
主要成果:
- iMRRN模型在细分肺瘤病变方面实现了4.35%的失败率.
- 高级纹理特征对亚型分类最有预测力.
- 一台支持向量机器在分类腺癌,小细胞癌和状细胞癌方面达到92.7%的准确率 (0.97AUC).
结论:
- 基于人工智能的工具,结合深度学习细分和监督分类,显示出自动化肺癌亚型诊断的潜力.
- 这种综合方法为诊断肺癌亚型提供了一种非侵入性和有效的方法.
- 该研究强调了在生物医学研究中应用人工智能的实际考虑.
