从CT扫描使用基于VGG16的卷积神经网络进行精确的肺癌查
Hua Xu1, Yuanyuan Yu2,3, Jie Chang3
1Department of Infection Control, Shandong Provincial Hospital Affiliated to Shandong First Medical University, Shandong, Jinan, China.
Frontiers in oncology
|September 4, 2024
概括
这项研究开发了一种基于VGG16的卷积神经网络 (CNN) 模型用于肺癌查,使用计算机断层扫描来识别肺癌的高精度和可靠性.
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
- 瘤学 诊断 诊断 瘤学
背景情况:
- 肺癌仍然是全球癌症相关死亡的主要原因.
- 早期检测对于改善患者的治疗结果和生存率至关重要.
- 传统的查方法在灵敏度和特异性方面存在局限性.
研究的目的:
- 开发和验证一个先进的卷积神经网络 (CNN) 模型,用于精确的肺癌查.
- 利用医疗大数据和计算机断层扫描 (CT) 扫描来提高诊断准确度.
- 在临床环境中建立一个可靠的工具,用于早期肺瘤识别.
主要方法:
- 一个基于VGG16的CNN模型是使用大量患者队列的CT扫描来开发的.
- 采用数据增强技术来增强模型的概括性,并防止过度拟合.
- 该模型使用SGD优化器,学习率调度器,学层和早期停止进行了训练和微调.
- 使用五倍交叉验证和外部验证数据集严格评估性能.
主要成果:
- 基于VGG16的CNN模型实现了0.963±0.004.00的高曲线下面积 (AUC).
- 分类准确度达到0.917 ± 0.004,具有0.962 ± 0.005.5的特异性.
- 外部验证证实了该模型在各种患者数据中的稳定性和有效性.
结论:
- 开发的基于VGG16的CNN肺部查模型显示出显著的可靠性和有效性.
- 该模型准确地识别肺癌,支持其在临床肺癌查中的应用.
- 这项研究提供了强有力的证据,证明在早期癌症检测中使用人工智能工具.
