无私的海优化算法可以选择放射性特征来预测良性和恶性肺结节
Zhilei Zhao1, Shuli Guo1, Lina Han2
1National Key Lab of Autonomous Intelligent Unmanned Systems, School of Automation, Beijing Institute of Technology, Beijing, 100081, China.
Computers in biology and medicine
|August 13, 2024
概括
无私海优化算法 (AltSOA) 有效地选择放射性特征来预测肺结节恶性瘤风险. 这种人工智能方法在精度上超过了放射科医生,提高了肺癌查.
科学领域:
- 医学成像分析 医学成像分析
- 医疗保健中的人工智能
- 计算生物学 计算生物学
背景情况:
- 区分不确定的肺结节是临床上具有挑战性的.
- 低剂量计算机断层扫描 (LDCT) 产生了广泛的放射性数据用于肺癌查.
- 精确的放射性特征选择对于可靠的恶性瘤风险预测至关重要.
研究的目的:
- 为放射性特征选择提出无私海优化算法 (AltSOA).
- 使用优化功能开发一个肺结节恶性瘤风险预测模型.
- 提高肺癌查方法的准确性和效率.
主要方法:
- 实现了AltSOA,将利他主义纳入全球优化中.
- 设计了一个多目标健身功能用于模型训练.
- 通过使用AltSOA识别了11个关键的放射性特征,包括灰色水平共发生矩阵 (GLCM),使用AltSOA.
主要成果:
- AltSOA选择的特征实现了精确的恶性瘤风险预测 (AUC = 0.8383).
- 与放射科医生相比,该模型表现出更高的性能.
- 选择的功能集较小,提高了模型效率.
结论:
- AltSOA是一种在肺结节分析中进行放射性特征选择的优质方法.
- 开发的预测模型显示了改善肺癌查的前景.
- 这项研究强调了人工智能在提高肺结节的诊断准确度方面的潜力.
