BranchLabelNet:使用分类和分组多标签分类的解剖人类气道标签方法
Ngan-Khanh Chau1,2, Truong-Thanh Ma3, Woo Jin Kim4
1School of Mechanical Engineering, Kyungpook National University, 80 Daehak-Ro, Buk-Gu, Daegu, 41566, Republic of Korea.
Medical & biological engineering & computing
|May 22, 2024
概括
这项研究介绍了BranchLabelNet,一种人工智能方法,用于使用胸部CT扫描精确地进行解剖气道标记. 它达到95.94%的准确性,有助于肺部疾病的诊断.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 肺部病理学 肺部病理学
背景情况:
- 准确的解剖学气道标签对于诊断喘和COPD等肺部疾病至关重要.
- 当前的方法与呼吸道分支的复杂,碎形性质作斗争.
研究的目的:
- 开发一种创新的气道标签方法,BranchLabelNet,可以准确识别气道结构.
- 通过精确的解剖标签,改进肺部疾病的诊断和治疗.
主要方法:
- 从1000张胸部CT图像中提取了与分支相关的参数 (位置向量,生成水平,长度,面积,周长).
- 利用一个n-ary树结构来管理复杂的气道关系.
- 采用了多标签分类的分类和分组深度学习方法,以及解决类不平衡的Tomek Links算法.
主要成果:
- 通过五次交叉验证,实现了95.94%的平均分类准确度.
- 证明了解剖呼吸道的强大的分支名称.
- 使用n-ary树结构成功管理复杂的分支数据.
结论:
- BranchLabelNet提供了一个可靠和准确的解决方案,用于解剖气道标签.
- 该方法适用于生物医学系统中的一般多标签分类.
- 这种人工智能驱动的方法提高了肺部疾病的诊断能力.
