胸部CT肺结节的分类使用协作深度学习模型
Khalaf Alshamrani1,2, Hassan A Alshamrani1
1Radiological Sciences Department, Najran University, Najran, Saudi Arabia.
Journal of multidisciplinary healthcare
|April 10, 2024
概括
这项研究引入了一个协作深度学习 (CDL) 模型,用于在胸部CT扫描中准确地分类肺结节. CDL模型达到93.24%的准确性,改善了使用有限数据的早期肺癌检测.
科学领域:
- 医学成像分析分析 医学成像分析
- 医疗保健中的人工智能
- 瘤学研究的研究.
背景情况:
- 通过胸部CT扫描进行早期肺癌检测对于患者的生存至关重要.
- 由于训练数据有限,深度学习的进步在结节检测方面面临挑战.
研究的目的:
- 开发一个协作深度学习 (CDL) 模型,以区分恶性和非癌性肺结节.
- 为应对肺结节分类培训数据集不足的挑战.
主要方法:
- 该CDL模型将结节剖析成六个特征部分,以进行详细的特征学习.
- 一个CDL子模型使用六种特征补丁类型来微调ResNet-50网络.
- 一种通过错误反向传播改进的自适应权衡方法提高了结节识别的准确性.
主要成果:
- 对于肺结节,CDL模型实现了高分类准确率,为93.24%.
- 这种性能明显超过了当前最先进的方法.
结论:
- CDL模型提供了一个有前途的解决方案,用于精确检测恶性肺结节的有限数据.
- 这种方法提高了诊断准确度,有助于早期发现和治疗肺癌.
关键词:
图像 图像 图像 图像 图像协作式深度学习 (deep learning) 是一种协作式的深度学习.逻辑回归的逻辑回归方法肺癌是一种肺癌.结节 结节 结节 结节辐射长度 辐射长度标准偏差的标准偏差更多相关视频
07:53Author Spotlight: Advancing 3D Modeling for Enhanced Diagnosis and Treatment of Pulmonary Nodules in Early-Stage Lung Cancer
Published on: October 13, 2023
1.4K
08:05Lung CT Segmentation to Identify Consolidations and Ground Glass Areas for Quantitative Assesment of SARS-CoV Pneumonia
Published on: December 19, 2020
14.2K
