基于全光衍射神经网络的甲状腺结节辅助诊断
Lingxiao Zhou1, Luchen Chang2, Jie Li1
1Nanophotonics Research Center, Institute of Microscale Optoelectronics, Shenzhen University, Shenzhen, China.
Quantitative imaging in medicine and surgery
|September 15, 2023
概括
这项研究引入了一种全光衍射神经网络,用于甲状腺结节诊断. 光学神经网络在使用超声波图像对良性和恶性甲状腺结节进行分类时取得了很高的准确性.
科学领域:
- 医学成像医学成像
- 人工智能的人工智能是人工智能.
- 内分泌学 在内分泌学.
背景情况:
- 甲状腺癌是最常见的内分泌恶性瘤,通常以甲状腺结节的形式呈现.
- 超声波是诊断甲状腺结节的主要非侵入性工具.
- 人工智能 (AI) 是一种新兴的诊断辅助技术.
研究的目的:
- 提出和评估一个全光衍射神经网络,用于甲状腺结节的辅助诊断.
- 评估光学神经网络在医疗图像处理中的性能.
主要方法:
- 开发了一种全光学衍射神经网络,具有5个衍射层和1个检测平面.
- 利用从接受甲状腺结节诊断和随访的患者数据集中的超声波图像.
- 输入图像使用632.8纳米波长的光进行处理.
主要成果:
- 实现了97.79%的准确性和99.8%的曲线下面积,用于对良性与恶性甲状腺结节进行分类.
- 在检测甲状腺结节的存在方面,证明了84.92%的准确性.
结论:
- 全光神经网络显示出医学图像处理应用的巨大潜力.
- 光学神经网络的性能与现有的图像分类模型相提并论.
