AFEX-Net:适应特征提取卷积神经网络用于计算机断层扫描图像的分类
Roxana Zahedi Nasab1, Hadis Mohseni1, Mahdieh Montazeri2
1Department of Computer Engineering, Faculty of Engineering, Shahid Bahonar University of Kerman, Kerman, Iran.
Digital health
|February 26, 2024
概括
一个新的深层卷积神经网络,AFEX-Net,有效地从胸部CT扫描中对肺部疾病进行分类. 这种人工智能工具有助于早期检测和诊断,以更快的训练和高准确性超过现有方法.
科学领域:
- 人工智能的人工智能
- 医疗成像医学成像
- 计算机科学 计算机科学
背景情况:
- 深度卷积神经网络 (CNN) 对于医疗图像处理至关重要.
- 像COVID-19这样的新出现的肺部疾病需要先进的诊断工具.
- 从胸部CT扫描中早期检测肺部疾病是一个重要的研究重点.
研究的目的:
- 介绍和评估AFEX-Net,一个高效的CNN用于分类肺部疾病.
- 评估AFEX-Net在CT图像中区分各种肺部指示的能力.
- 通过医学成像,使肺部疾病的早期诊断成为可能.
主要方法:
- 设计了AFEX-Net,一个轻量级的CNN,具有可适应的层和功能.
- 在超过10,000个胸部CT切片 (CC数据集) 上训练并测试了AFEX-Net.
- 使用公共COVID-CTset数据集和有效的预处理验证了可通用性.
主要成果:
- 在CC和COVID-CT数据集上,AFEX-Net表现出高准确度.
- 由于其轻量级的设计,实现了比同类CNN快三倍的学习速度.
- 成功提取了用于分类肺部疾病的特征,特别是在早期阶段.
结论:
- AFEX-Net是一个高性能的CNN,用于从胸部CT图像进行肺部疾病分类.
- 它的效率,适应性和兼容性使其成为早期检测的可靠工具.
- AFEX-Net支持及时诊断和管理各种肺部疾病.
更多相关视频
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
8.2K
04:48Application of Deep Learning-Based Medical Image Segmentation via Orbital Computed Tomography
Published on: November 30, 2022
2.8K
