为肺结节胸部X射线数据集开发除偏技术,以概括深度学习模型
Michael J Horry1,2, Subrata Chakraborty1,3, Biswajeet Pradhan1,4
1Centre for Advanced Modelling and Geospatial Information Systems (CAMGIS), Faculty of Engineering and Information Technology, University of Technology Sydney, Ultimo, NSW 2007, Australia.
Sensors (Basel, Switzerland)
|July 29, 2023
概括
这项研究引入了一种用于早期肺癌查的新型深度学习方法,提高了胸部X射线中结节检测的准确性. 该方法增强了农村人口的概括性,使查更容易获得.
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:
- 肺癌查受限于农村人口的可访问性问题.
- 目前的查方法面临成本,速度和隐私方面的挑战.
研究的目的:
- 开发用于胸部X射线图像的预处理管道,以改进基于深度学习的肺结节检测.
- 为偏远地区提高肺癌查模型的准确性和通用性.
主要方法:
- 开发了一条预处理管道,包括组图平衡,肺部领域细分,裁剪和肋骨/骨抑制.
- 在公共肺结节X射线数据集上使用修剪机制训练了用于结节检测的深度学习模型.
- 考虑了联合的深度学习原则,以确保数据隐私并防止模型偏差.
主要成果:
- 预处理管道成功删除了胸部X射线图像,增强了模型分类和概括.
- 深度学习模型在一个独立的数据集上展示了成功的概括.
- 在肺结节检测方面,获得了89%的外部概括精度.
结论:
- 拟议的深度学习算法通过减轻图像噪声和混变量来有效检测肺结节.
- 这种方法可以开发低成本,可访问的深度学习系统,用于广泛的肺癌查.
- 这些发现支持了用于早期肺癌诊断的移动和私人查解决方案的潜力.
