对基于CT图像的肺癌查和诊断的深度学习技术的审查
Mohammad A Thanoon1,2, Mohd Asyraf Zulkifley1, Muhammad Ammirrul Atiqi Mohd Zainuri1
1Department of Electrical, Electronic and Systems Engineering, Faculty of Engineering and Built Environment, University Kebangsaan Malaysia, Bangi 43600, Malaysia.
Diagnostics (Basel, Switzerland)
|August 26, 2023
概括
深度学习技术显示出使用计算机断层扫描 (CT) 扫描精确肺癌查和诊断的巨大潜力. 本综述详细介绍了分类和细分方法,强调了早期检测和改善生存率的进展.
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:
- 肺癌是全球主要的死亡原因,需要早期检测,以改善患者的生存率.
- 计算机断层扫描 (CT) 图像是肺癌查和诊断的主要工具.
- 计算机辅助系统的进步,特别是深度学习 (DL),为解释复杂的CT数据提供了有希望的解决方案.
研究的目的:
- 提供对用于肺癌查和诊断的深度学习技术的全面审查.
- 详细介绍DL方法,包括分类和细分,用于CT图像中检测肺癌.
- 讨论当前DL模型在该领域的新性,优势和局限性.
主要方法:
- 审查现有的关于深度学习在肺癌检测中的应用文献.
- 专注于分类和细分作为CT图像分析的主要DL方法.
- 对经过审查的深度学习模型的优缺点进行分析.
主要成果:
- 深度学习方法显示了精确高效的计算机辅助肺癌查和诊断的巨大潜力.
- 分类和细分技术是分析肺部CT扫描的关键DL方法.
- 审查的方法为自动肺癌检测领域提供了新的贡献.
结论:
- 深度学习对通过CT扫描提高计算机辅助肺癌诊断的准确性和有效性具有重大承诺.
- 对DL应用的进一步研究和开发可以显著提升早期肺癌检测系统.
- 未来的工作应该专注于改进DL模型,以进一步提高诊断准确性和患者的治疗结果.
