早期检测肺结节使用革命性的深度学习模型
Durgesh Srivastava1,2, Santosh Kumar Srivastava3, Surbhi Bhatia Khan4,5,6
1Department of Computer Science and Engineering, Sharda School of Engineering and Technology, Sharda University, Greater Noida 201310, India.
Diagnostics (Basel, Switzerland)
|November 24, 2023
概括
早期发现肺癌对于生存至关重要. 这项研究引入了一种混合更快的R-CNN (HFRCNN) 深度学习模型,该模型在从医学图像中识别肺癌时达到97%以上的准确性.
科学领域:
- 医学成像分析分析 医学成像分析
- 人工智能在瘤学中的应用
- 深度学习用于疾病检测和检测.
背景情况:
- 肺癌是全球癌症死亡的主要原因之一.
- 早期发现可显著改善治疗结果和患者存活率.
- 深度学习 (DL) 算法显示出在医学扫描中识别肺癌的前景.
研究的目的:
- 开发和评估一个混合更快的R-CNN (HFRCNN) 模型用于早期肺癌检测.
- 评估HFRCNN在医疗图像中识别肺结节的准确性.
- 将HFRCNN的性能与现有的肺癌检测方法进行比较.
主要方法:
- 采用了基于区域的两阶段实体检测方法 (HFRCNN).
- 采用卷积神经网络 (CNN) 来对拟议区域进行分类和改进.
- 在不同的医疗图像数据集上训练了HFRCNN模型.
主要成果:
- 该HFRCNN模型实现了超过97%的检测精度.
- 与之前报告的几种方法相比,证明了更高的性能.
- 在扫描图像中成功识别了肺癌的潜在指标 (肺结节).
结论:
- 拟议的HFRCNN模型为早期肺癌识别提供了一个高度准确的方法.
- 这种深度学习方法有可能在早期诊断肺癌方面发挥重要作用.
- HFRCNN代表了人工智能驱动的癌症检测医疗图像分析的宝贵进步.
