使用超声波图像对基于机器学习的甲状腺瘤特征的系统审查
Niranjan Yadav1, Rajeshwar Dass2, Jitendra Virmani3
1Department of Electronics and Communication Engineering, Deenbandhu Chhotu Ram University of Science and Technology Murthal, Sonepat, 131039, India. niranjanyadav97@gmail.com.
Journal of ultrasound
|March 27, 2024
概括
这篇评论探讨了用于甲状腺瘤超声波 (美国) 图像的计算机辅助诊断 (CAD) 系统. 它强调了从美国扫描中改善早期甲状腺异常检测的进步和挑战.
科学领域:
- 医疗成像医学成像
- 医疗保健中的人工智能
背景情况:
- 超声波 (美国) 是一种安全,易于使用的甲状腺瘤查工具.
- 在美国,图像工件和斑点噪音阻碍了早期检测甲状腺异常.
- 持续的研究旨在加强美国的图像分析,以提高诊断准确度.
研究的目的:
- 对甲状腺瘤的计算机辅助诊断 (CAD) 系统进行全面审查. 美国 (TTUS) 图像.
- 识别和分析TTUS CAD系统的关键组件,包括数据集,算法和分类方法.
- 为这个领域的未来研究提供路线图.
主要方法:
- 对用于TTUS图像分类的CAD系统进行广泛的文献审查.
- 分析各种组件:数据集,除斑算法,细分算法,特征提取/选择,评估参数和分类算法.
- 综合领域的成就和挑战.
主要成果:
- 详细概述各种TTUS数据集及其特征.
- 对TTUS图像应用的各种图像处理技术 (除斑,细分) 的评估.
- 在TTUS CAD系统中使用的特征提取,选择和分类方法的总结.
结论:
- 在开发用于甲状腺图像分析的CAD系统方面取得了重大进展.
- 在克服图像文物和提高诊断性能方面仍然存在挑战.
- 这项研究提供了一份路线图,以指导未来的甲状腺瘤超声波分析研究和开发.
