[基于主动学习的肺结节的计算机辅助诊断的互动审查设计]
Shuangping Tan1, Jun Li1, Xiaojuan Zhang2
1Wuhan Puai Hospital (Wuhan Fourth Hospital), Tongji Medical College, Huazhong University of Science and Technology, Wuhan 430033, P. R. China.
概括
这项研究引入了一种交互式系统,用于CT扫描中检测肺结节. 放射科医生的反反复优化了AI模型,显著提高了肺癌的诊断准确性.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 计算机辅助诊断 计算机辅助诊断
背景情况:
- 计算机断层扫描 (CT) 成像对于肺癌诊断至关重要.
- 需要有效的交互工具来实时提供放射科医生反,以改进用于肺结节检测的AI模型.
- 目前用于肺结节检测的AI模型缺乏基于专家输入的代优化强有力的机制.
研究的目的:
- 设计和开发一个在线交互式审查系统,用于CT图像中肺结节的辅助诊断.
- 让放射科医生实时反,通过使用主动学习策略来代优化AI模型.
- 为了提高人工智能辅助肺结节检测的准确性和可靠性.
主要方法:
- 开发一个在线交互式审查系统,整合肺结节检测的深度细分模型.
- 放射科医生实时检查和纠正AI检测到的肺结节.
- 使用基于放射学家反的积极学习策略,对AI模型的代优化.
- 用LUNA16 (子集5-9) 数据集进行的实验.
主要成果:
- 该系统通过增加代,在精度,F1分数和MioU (MioU) 上的平均交叉点方面表现出稳步改善.
- 模型精度通过代优化从0.2139增加到0.5656.
- 该系统有效地利用放射学家的反来提高AI模型的性能.
结论:
- 开发的系统成功地协助放射科医生在肺结节的诊断使用深度细分模型.
- 由放射科医生反驱动的代优化显著提高了AI模型的准确性.
- 这种方法为提高人工智能辅助肺癌诊断的准确性提供了一个有希望的解决方案.
