通过半残留多分辨率神经网络进行肺结节细分
1Department of Electrical and Electronic Engineering, Imperial College London, London, UK.
Open life sciences
|November 9, 2023
概括
本研究介绍了一种新型的半残余多分辨率卷积神经网络 (MCNN),用于云计算环境中的精确肺结节细分. 该模型通过提高图像细分精度来增强肺癌诊断.
科学领域:
- 人工智能的人工智能
- 医疗成像医学成像
- 云计算 云计算 云计算
背景情况:
- 深度神经网络和云计算越来越多地集成到医疗图像处理中.
- 神经网络理论和物联网 (IoT) 的进步推动了医疗成像解决方案的创新.
- 现有的解决方案有助于医疗从业者诊断肺癌,但精确的细分仍然是一个挑战.
研究的目的:
- 为精确的肺结节细分提供端到端的神经网络模型.
- 开发一个适合云计算环境的模型,以帮助肺癌诊断.
- 为了提高肺结节细分图的准确性.
主要方法:
- 开发了一种新的"半残留多分辨率卷积神经网络" (半残留MCNN).
- 集成的半剩余构建块,组规范化和多分辨率输出头部进入网络架构.
- 使用LIDC-IDRI数据集训练和测试模型,包括1018张肺部CT图像.
主要成果:
- 半剩余的MCNN显示了肺结节细分的增强预测准确性.
- 该模型的架构,具有特定的组件,有助于提高细分精度.
- 在LIDC-IDRI数据集上的严格测试验证了该模型的性能.
结论:
- 拟议的半残留MCNN为云环境中的肺结节细分提供了精确的解决方案.
- 该模型的创新架构特征有助于提高医学图像分析的准确性.
- 这种方法有可能在肺癌诊断中显著帮助医疗从业者.
