计算机辅助肺癌诊断使用水轮工厂算法与深度学习
Sana Alazwari1, Jamal Alsamri2, Mashael M Asiri3
1Department of Information Technology, College of Computers and Information Technology, Taif University, P.O. Box 11099, 21944, Taif, Saudi Arabia.
Scientific reports
|September 4, 2024
概括
这项研究引入了一种人工智能驱动的方法,用于使用CT扫描进行早期肺癌检测. 该CADLC-WWPADL方法达到99.05%的准确性,帮助放射科医生进行诊断.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 在瘤学瘤学.
背景情况:
- 肺癌 (LC) 构成了全球健康的重大威胁.
- 早期诊断和治疗对于改善患者的治疗结果至关重要.
- 对肺部瘤的CT扫描进行解释对临床医生来说是一个挑战.
研究的目的:
- 开发基于人工智能的计算机辅助诊断系统,用于肺癌检测.
- 在CT扫描中对肺癌的存在进行分类和识别.
- 为了提高肺癌诊断的准确性和效率.
主要方法:
- 使用深度学习 (CADLC-WWPADL) 的水轮植物算法对LC进行了计算机辅助诊断.
- 采用MobileNet进行特征提取和对称自动编码器 (SAE)进行分类.
- 应用了水轮工厂算法 (WWPA) 来进行超参数调整.
主要成果:
- 在CADLC-WWPADL技术证明了显著的检测输出.
- 在基准CT图像数据集上达到99.05%的最大精度.
- 在比较研究中表现优于其他模型.
结论:
- CADLC-WWPADL方法在CT扫描中检测肺癌方面表现出很高的有效性.
- 人工智能和深度学习可以显著帮助放射科医生在早期和准确的肺癌诊断.
- 这种方法有望通过及时干预改善患者的生存率.
