设计人工神经网络和粒子群优化的混合方法,从结肠直肠CT图像中诊断聚
Hossein Beigi Harchegani1, Hamid Moghaddasi2
1Health Information Technology Research Center, Isfahan University of Medical Sciences, Isfahan, Iran.
International journal of preventive medicine
|March 15, 2024
概括
这项研究开发了一种计算机辅助诊断 (CAD) 系统,用于使用人工神经网络和粒子群优化检测结直肠癌. 该系统表现出高精度,在CT图像上诊断结直肠多瘤方面表现优于放射科医生.
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:
- 结肠直肠癌是全球癌症死亡的主要原因.
- 计算机辅助诊断 (CAD) 系统为早期检测提供了一个有希望的方法.
- 传统的结肠镜检查可能有局限性和副作用.
研究的目的:
- 设计和评估用于结直肠癌诊断的CAD系统.
- 为了处理结直肠计算机断层扫描 (CT) 图像.
- 将人工神经网络 (ANN) 与粒子群优化 (PSO) 结合起来,以提高诊断性能.
主要方法:
- 从特定医院的患者的结直肠CT图像创建数据集.
- 图像处理步骤:电子清洁,细分,标签和特征提取.
- 使用PSO对ANN进行培训和优化.
主要成果:
- 开发的CTC-CAD系统实现了高精度 (0.9354),灵敏度 (0.9298) 和特异性 (0.9889).
- 统计测试 (McNemar,二项式) 显示出显著的诊断性能.
- 与放射科医生相比,该系统的诊断比率显示了统计学上显著的结果.
结论:
- 混合CTC-CAD系统有效地通过CT图像诊断结直肠多.
- 与放射科医生的意见相比,ANN和PSO组合显示出更高的效率.
- 这种CAD系统代表了早期结直肠癌检测的宝贵工具.
