通过CT图像检测肺癌:通过支持矢量机器和人工神经网络分类器修改了自适应值细分

科学领域:

• 医疗成像医学成像
• 医疗保健中的人工智能
• 在瘤学瘤学.

背景情况:

• 肺癌仍然是全球癌症相关死亡的主要原因.
• 早期检测对于改善患者的治疗结果和生存率至关重要.
• 计算机断层扫描 (CT) 是肺癌查和诊断的主要工具.

研究的目的:

• 实施先进的修改值细分和分类模型,用于早期和准确的肺癌检测.
• 为了提高CT图像的肺癌诊断的精度.
• 开发一个工具,为临床医生提供快速准确的决策.

主要方法:

• 修改的自适应值细分用于图像细分.
• 支持矢量机 (SVM) 和人工神经网络 (ANN) 分类器被用于癌症检测.
• 肺图像数据库联盟 (LIDC) 的数据集,包括CT扫描,用于模型验证.

主要成果:

• 拟议的模型在肺癌检测方面表现出高准确度.
• 人工神经网络 (ANN) 分类器实现了96.3%的检测率.
• 支持矢量机 (SVM) 分类器实现了97%的检测率,展示了世界纪录的准确性.

结论:

• 开发的模型显示了早期肺癌检测的巨大潜力,提高了治疗效率.
• 准确和早期的诊断有助于及时干预,当肺部瘤最容易治疗时.
• 这种方法提供了宝贵的信息,帮助临床医生做出快速而准确的诊断决策.