提高肺结节分类:一种新的CViEBi-CBGWO方法与集成图像预处理
1Department of Information Technology, St. Joseph's College of Engineering, Chennai, India. jmanekandan@gmail.com.
Journal of imaging informatics in medicine
|March 25, 2024
概括
一个新的模型,CViEBi-CBGWO,通过使用深度学习和优化,提高了肺结节分类的准确性. 这种人工智能方法增强了早期癌症检测,提高了这种致命疾病的生存率.
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:
- 精确的肺结节分类对于癌症治疗和生存至关重要.
- 恶性肺结节的早期诊断显著改善了患者的治疗结果.
- 现有的方法在实现高分类准确性方面面临挑战.
研究的目的:
- 提出一种新型模型,CViE-CBGWO,以提高肺结节分类的准确性.
- 改善早期检测和诊断恶性肺结节.
- 克服现有的分类方法的局限性.
主要方法:
- 使用LUNA16和LIDC-IDRI数据集进行CT图像分析.
- 应用预处理技术,包括规范化,数据增强和过.
- 使用卷积神经网络 (CNN) 提取本地特征和使用视觉变压器 (ViT) 提取全球特征.
- 结合特征并使用Elman双向长期短期记忆 (EBiLSTM) 进行分类.
- 优化模型参数使用混合灰狼优化 (GWO) 与交叉 (CBGWO).
主要成果:
- 拟议的CViEBi-CBGWO模型实现了98.72%的优异分类准确度.
- 对比分析显示,与现有方法相比,有显著的改进.
- 证明了有效的特征提取和参数优化.
结论:
- CViEBi-CBGWO模型为肺结节分类提供了一个高度准确的解决方案.
- 这种人工智能驱动的方法有望改善早期肺癌诊断.
- 整合CNN,ViT,EBiLSTM和GWO优化可以提高诊断能力.
