胸部CT图像分析中的量子增强混合特征工程,用于最先进的结节分类:一种先进的肺癌评估
Resham Raj Shivwanshi1, Neelamshobha Nirala1
1Department of Biomedical Engineering, National Institute of Technology Raipur, 49201, India.
Biomedical physics & engineering express
|April 25, 2024
概括
这项研究引入了一种新的AI方法,使用视觉变压器和量子计算来检测肺癌. 新方法显著提高了早期诊断的计算机辅助检测 (CAD) 系统的准确性.
科学领域:
- 医疗成像中的人工智能
- 量子计算应用 量子计算应用
- 瘤学和诊断系统
背景情况:
- 由于疾病的复杂性和技术的局限性,肺癌诊断面临着挑战.
- 早期检测对于降低全球肺癌死亡率至关重要.
- 现有的计算机辅助检测 (CAD) 系统在CT扫描中难以处理复杂的图像特征.
研究的目的:
- 开发一个更强大,更有效的肺癌查系统.
- 在基于AI的CT图像分析中克服传统特征提取和选择技术的局限性.
- 提高肺癌计算机辅助检测 (CAD) 的准确性和可靠性.
主要方法:
- 提出了一种结合使用视觉变压器 (FexViT) 进行特征提取的新方法.
- 采用基于量子计算的正方位不受约束的二进制优化 (QC-FSelQUBO) 实现了功能选择.
- 通过使用标准性能指标,对现有技术进行拟议算法的性能评估.
主要成果:
- 实现了高性能指标:94.28%的准确性,99.10%的ROC曲线下的面积 (AUC),96.17%的精度,90.16%的灵敏度和97.46%的特异性.
- 与现有的特征提取和选择技术相比,证明了卓越的性能.
- 集成的FexViT和QC-FSelQUBO方法有效地捕获了CT图像特征中的复杂相互依赖.
结论:
- 拟议的人工智能驱动的方法大大提高了CT图像中肺癌检测的准确性.
- 量子计算集成为克服医疗诊断传统机器学习局限性的有希望的途径.
- 推进人工智能和量子计算对于开发下一代可靠的癌症检测和诊断系统至关重要.
