MENet:基于Mitscherlich函数的CNN模型组合,使用CT扫描对肺癌进行分类
Surya Majumder1,2, Nandita Gautam2, Abhishek Basu3
1Department of Computer Science and Engineering, Heritage Institute of Technology, Kolkata, India.
PloS one
|March 11, 2024
概括
这项研究介绍了MENet,一个使用深度学习来检测肺癌的集合模型. 通过结合多个AI模型来改善早期肺癌预测,MENet提高了诊断准确度.
科学领域:
- 医学成像分析 医学成像分析
- 在瘤学中使用人工智能
- 计算病理学计算病理学
背景情况:
- 肺癌仍然是全球癌症死亡的主要原因之一.
- 早期检测和准确诊断对于降低肺癌死亡率至关重要.
- 计算机辅助诊断 (CADx) 系统通过医学图像分析来提高诊断精度.
研究的目的:
- 开发一个先进的组合模型,以提高肺癌预测准确度.
- 整合多个深度学习模型,使用一种新的整体策略.
- 通过人工智能增强早期肺癌检测能力.
主要方法:
- 提出了一个名为Mitscherlich的基于函数的合奏网络 (MENet) 的合奏模型.
- 来自Xception,InceptionResNetV2和MobileNetV2深度学习模型的综合预测概率.
- 利用Mitscherlich函数对基础分类器输出的模糊的基于等级的组合.
- 在两个公共CT扫描数据集上训练并验证了模型:IQ-OTH/NCCD和LIDC-IDRI.
主要成果:
- 与现有的最先进的方法相比,提出的MENet模型表现出优越的性能.
- 在基于标准评估指标的肺癌预测中获得了更高的准确性.
- 整体方法有效地利用了个别深度学习模型的优势.
结论:
- MENet为提高肺癌诊断准确度提供了一种有前途的方法.
- 基于Mitscherlich的函数组合策略有效地整合了深度学习模型.
- 这种人工智能驱动的方法有可能改善早期肺癌检测和患者的治疗结果.
