基于卷积神经网络的肺癌检测分类和监测模型:3D视角方法
Unai Muñoz-Aseguinolaza1, Izaro Fernandez-Iriondo1,2, Itsaso Rodríguez-Moreno1
1Department of Computer Science and Artificial Intelligence, University of Basque Country, Donostia-San Sebastián, Gipuzkoa, Spain.
Heliyon
|October 27, 2023
概括
本研究介绍了用于医学图像分析的预测和分类模型. 这些模型利用卷积神经网络来预测数据序列的演变,并检测CT扫描和3D卷中的异常.
科学领域:
- 医学成像分析分析 医学成像分析
- 医疗保健中的人工智能
- 无线电学 (Radiomics) 是一种无线电学.
背景情况:
- 医学研究越来越依赖于先进的数据分析技术.
- 放射性分析从医学图像中提取定量数据,用于疾病诊断.
- 开发适合所有患者情景的通用诊断模型仍然具有挑战性.
研究的目的:
- 为医学数据系列提供框架预测和分类模型.
- 为医疗图像预测任务开发一个卷积神经网络 (CNN) 架构.
- 为了能够预测数据序列演变和异常检测.
主要方法:
- 使用框架预测模型来预测数据序列的进展.
- 使用分类模型来识别医疗数据中的异常.
- 构建和实施基于CNN的图像分析架构.
- 将该方法应用于计算机断层扫描和3D卷.
主要成果:
- 证明了预测模型预测数据序列演变的能力.
- 展示了分类模型在异常检测中的有效性.
- 成功开发了适用于各种医学成像数据的CNN架构.
- 验证了对2DCT扫描和3D体积数据的方法.
结论:
- 拟议的模型为医学图像分析和预测提供了一个强大的框架.
- 基于CNN的架构可以有效地处理各种医学成像模式的预测任务.
- 这项工作有助于推进医学研究中的自动诊断能力.
