在CT扫描上预测癌症和固体肺结节的病理类型,使用体积 SWIN 变压器
Huicong Chen1, Yanhua Wen2, Wensheng Wu2
1Key Laboratory of Biological Targeting Diagnosis, Therapy and Rehabilitation of Guangdong Higher Education Institutes, The Fifth Affiliated Hospital of Guangzhou Medical University, Guangzhou, 510799, China.
Journal of imaging informatics in medicine
|October 14, 2024
概括
这项研究引入了一个使用3DCT扫描的AI模型,以准确区分癌症肺结节和良性肺结节,改善手术前诊断. 人工智能实现了高精度,帮助肺癌患者的临床决策.
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:
- 肺癌的诊断依赖于结节的准确病理亚型.
- 孤独的固体肺结节具有特定的症状,可以是良性或恶性,构成诊断挑战.
- 传统的成像技术存在局限性,人工智能辅助的肺结节诊断尚未得到充分研究.
研究的目的:
- 开发和评估一种新的人工智能 (AI) 模型,用于区分良性肺结节与肺腺癌和状细胞癌.
- 为了提高手术前诊断的准确性,单独的固体肺结节与分片和分片的迹象.
主要方法:
- 一个基于SWIN变压器的体积AI模型被开发用于多尺度,多任务分类.
- 该模型使用3D (3D) 计算机断层扫描 (CT) 图像来增强信息捕获.
- 该模型在352个CT图像序列上进行了训练,并在剩余的89.9个图像序列上进行了验证.
主要成果:
- 人工智能模型在区分良性结节,肺腺癌和状细胞癌方面表现出很高的性能.
- 在测试组件上实现了0.9888的准确性,0.9892的精度,0.9888的回忆力和0.9888的F1得分.
- 类激活映射 (CAM) 可视化为3D模型的预测提供了可解释性.
结论:
- 拟议的人工智能方法是有效的手术前工具,用于诊断单独的固体肺结节,带有分泌和分泌的迹象.
- 这种方法为开发改善肺癌临床诊断和治疗策略提供了理论基础.
- 使用3DCT成像与先进的人工智能相结合,提高了肺结节分类的诊断准确性.
