一个用户友好的深度学习应用程序,用于准确的肺癌诊断
Duong Thanh Tai1, Nguyen Tan Nhu2,3, Pham Anh Tuan4
1Department of Medical Physics, Faculty of Medicine, Nguyen Tat Thanh University, Ho Chi Minh City, Vietnam.
Journal of X-ray science and technology
|April 12, 2024
概括
这项研究开发了用于肺癌诊断的深度学习和放射学工具,通过CT扫描实现了高精度的癌症分类. 该系统改善了医疗保健提供者的数据管理和临床通信.
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:
- 准确的肺癌诊断和治疗计划依赖于临床医生的专业知识.
- 图像处理中的深度学习提供了更快,高质量的诊断工具.
- 从二维数据进行三维图像处理面临着器官叠加和扭曲等局限性.
研究的目的:
- 开发一个放射学和深度学习工具,用于肺癌诊断.
- 提高肺癌检测和分类的准确性和效率.
- 支持临床医生分析医疗图像,以准确规划治疗.
主要方法:
- 应用深度学习 (U-NET用于细分,DenseNet用于分类) 到1098个肺部CT扫描 (86个来自巴赫迈医院,1012个开源).
- 利用放射学来测量肺结节的特征,如直径,表面积和体积.
- 使用Python和Streamlit开发了一个基于Web的界面,与Arduino和MFRC522集成用于数据管理.
主要成果:
- 细分模型实现了0.498的验证损失和0.27的培训损失.
- 癌症分类模型显示了0.78的验证损失和0.98.98的训练准确性.
- 该系统成功地从胸部CT扫描中识别和分类了肺癌.
结论:
- 开发的工具成功地帮助诊断和分类CT扫描中的肺癌.
- 该系统有助于直接存储和更新患者数据,改善医疗保健提供者的可访问性.
- 综合系统增强了临床沟通,信息交换和癌症诊断总结.
