对基于机器学习的方法 voxel 正常化的影响:使用低剂量计算机断层扫描 (LDCT) 对肺结节恶性病症诊断的研究
Chia-Chi Hsiao1, Chen-Hao Peng2, Fu-Zong Wu1
1Department of Radiology, Kaohsiung Veterans General Hospital, Kaohsiung 813414, Taiwan.
Diagnostics (Basel, Switzerland)
|December 22, 2023
概括
这项研究通过调整低剂量计算机断层扫描 (LDCT) 图像中的声素大小来优化肺癌查. 将图像重建为1.5毫米的同otropic voxel大小,提高了检测肺结节的诊断模型准确性.
科学领域:
- 医疗成像医学成像
- 放射学 放射学是一门学科.
- 人工智能在医学中的应用
背景情况:
- 肺癌 (LC) 是全球癌症死亡的主要原因,早期检测对生存至关重要.
- 低剂量计算机断层扫描 (LDCT) 对于肺癌查至关重要,但产生大量数据集,使放射科医生承担负担.
- 计算机辅助诊断 (CAD) 工具可以帮助诊断,但图像声量尺寸的变化对模型的概括性和有效性构成挑战.
研究的目的:
- 为了研究不同voxel大小对肺癌检测诊断模型性能的影响.
- 评估训练在原始与重建的LDCT图像上的诊断模型中的差异,这些图像具有不同的同位素音量尺寸.
- 评估支向量机 (SVM) 模型使用标准化voxel大小来区分良性和恶性肺结节的能力.
主要方法:
- 重建了LDCT图像以实现同位素的voxel大小.
- 一个支持向量机 (SVM) 分类器被训练使用11个特征在LDCT图像上,具有1.5毫米的同otropic voxel大小.
- 该模型经过训练并使用225名患者的数据进行评估.
主要成果:
- 该SVM模型实现了高诊断性能.
- 该模型的准确性为0.9596.6.
- 该模型实现了0.9855的接收器运行特征曲线 (ROC/AUC) 下的面积,表明良性和恶性结节之间有很好的区分.
结论:
- 在LDCT图像中标准化voxel大小可以提高肺癌查诊断模型的性能.
- 开发的方法有望提高CAD工具的有效性和通用性.
- 建议对多中心LDCT数据进行进一步验证,以获得临床应用.
