卷积神经网络模型用于细分和分类的清细胞细胞癌基于多相CT图像的细分和分类
Vlad-Octavian Bolocan1,2, Mihaela Secareanu2, Elena Sava2
1Department of Fundamental Sciences, Faculty of Midwifery and Nursing, University of Medicine and Pharmacy "Carol Davila", 050474 Bucharest, Romania.
Journal of imaging
|December 22, 2023
概括
这项研究展示了一个AI算法.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 在瘤学瘤学.
背景情况:
- 计算机断层扫描 (CT) 成像在区分细胞癌 (RCC) 和良性组织以及确定亚型方面存在挑战.
- 准确的诊断对于有效的治疗和改善患者结果至关重要.
研究的目的:
- 通过CT成像评估AI算法的能力,以提高使用CT成像的细胞癌 (RCC) 的识别和分类.
- 评估算法在改善患者治疗策略和结果方面的潜力.
主要方法:
- 利用欧洲深度健康工具包,使用卷积神经网络 (CNN) 与U-net进行图像细分和resnet101进行分类.
- 通过脏和瘤细分 (迪斯分数) 和RCC分类准确度来评估临床效率.
- 强调数据准备和处理以实现算法.
主要成果:
- 实现了0.84.8的细分精度.
- 获得了瘤细分的0.675的平均子得分.
- 证明了0.885.88的细胞癌分类准确度.
结论:
- 开发的AI技术在改善病理,特别是细胞癌的诊断方面显示出显著的潜力.
- 该算法的细分和分类性能表明其在临床环境中的实用性,以提高诊断准确度.
