BM-BronchoLC - 一个丰富的支气管检查数据集,用于解剖学地标和肺癌病变识别

科学领域:

• 医疗成像医学成像
• 人工智能在医学中的应用
• 肺部病理学 肺部病理学

背景情况:

• 灵活的支气管镜检查对于诊断呼吸系统疾病至关重要,它可以直接可视化肺癌等呼吸道异常.
• 在支气管镜检查过程中精确识别病变对于肺癌诊断至关重要.
• 人工智能 (AI) 在帮助医生在支气管镜图像中的里程碑和病变识别方面表现有前途.

研究的目的:

• 开发和介绍BM-BronchoLC,用于AI模型培训的综合性支气管镜数据集.
• 促进人工智能工具的开发,以提高灵活支气管镜检查期间肺癌检测的诊断准确度.
• 为评估AI模型在识别解剖学里程碑和肺癌病变方面提供一个基准数据集.

主要方法:

• 开发BM-BronchoLC数据集,包括106名肺癌和102名非肺癌患者.
• 专家医生对解剖学标志和病变的详细定位和分类注释.
• 评估使用单任务和多任务学习进行图像细分和分类的UNet++和ESFPNetAI模型.

主要成果:

• 该BM-BronchoLC数据集包含丰富的解说解剖学地标和肺癌病变.
• 对AI模型 (UNet++和ESFPNet) 在细分和分类任务上的性能评估进行了.
• 这项研究证明了数据集在培训人工智能用于诊断辅助方面的实用性.

结论:

• BM-BronchoLC 作为一个有价值的参考数据集,用于在支气管镜诊断中推进AI.
• 该数据集支持AI模型的开发,以提高识别肺癌病变和解剖学地标的准确性.
• 这项工作为人工智能辅助呼吸系统疾病诊断领域做出了贡献.