在突出的肺病诊断中,通过机器学习范式从数据集到检测的成像模式的有条不的探索:一篇综述
Sunil Kumar1,2, Harish Kumar1, Gyanendra Kumar3
1Department of Computer Engineering, J. C. Bose University of Science and Technology, YMCA, Faridabad, India.
BMC medical imaging
|February 2, 2024
概括
机器学习,特别是卷积神经网络 (CNN),有效地分析肺部疾病成像数据. X射线和CT扫描是诊断肺炎,肺癌和COVID-19的最佳方法,准确度是关键性能指标.
科学领域:
- 医学成像分析 医学成像分析
- 医疗保健中的机器学习
- 肺部病理学 肺部病理学
背景情况:
- 肺部疾病是全球主要的死亡原因,需要先进的诊断工具.
- 著名的肺部疾病包括肺炎,肺癌和COVID-19.
- 医学成像 (X射线,CT扫描) 为计算机辅助诊断系统和机器学习模型提供了关键数据.
结论:
- ML,特别是CNN,在分析肺部疾病诊断的医学成像方面显示出显著的前景.
- 选择成像方式 (X射线与CT) 是关键的,并且取决于疾病.
- 在医学成像中应用ML的持续研究和开发可以改善肺部疾病的早期检测和患者的结果.
