深度学习可以将肺结节区分为良性和恶性
Muhammed Bilal Akıncı1, Mesut Özgökçe1, Murat Canayaz2
1Department of Radiology, Van Yüzüncü Yıl University Faculty of Medicine, Van, Türkiye.
Turk gogus kalp damar cerrahisi dergisi
|November 8, 2024
概括
深度学习模型可以准确地区分良性和恶性肺结节. 这种人工智能驱动的方法可以通过医学成像提高早期肺癌诊断,从而改善患者的治疗结果.
科学领域:
- 人工智能在医学中的应用
- 医学成像分析 医学成像分析
- 在瘤学瘤学.
背景情况:
- 肺癌的死亡率很高,需要改进早期诊断方法.
- 准确区分良性和恶性肺结节对于及时治疗至关重要.
- 诊断成像在识别和表征肺结节方面发挥着关键作用.
研究的目的:
- 开发和评估卷积神经网络 (CNN) 模型,以高精度区分良性和恶性肺结节.
- 评估深度学习模型在帮助早期肺癌诊断方面的有效性.
- 探索特征提取和机器学习分类用于结节的表征.
主要方法:
- 肺结节患者的回顾性查 (2015年1月 - 2020年12月).
- 数据集包括良性 (n=68),恶性 (n=29) 和对照 (n=67) 组.
- 深度神经网络训练了80%的数据,并对20%的数据进行了测试;特征提取之后进行机器学习分类 (例如,支持矢量机器).
主要成果:
- 在最初的深度神经网络训练中,AlexNET模型实现了80%的准确性.
- 使用支持矢量机分类器的VGG19模型在特征提取后达到93.5%的准确性.
- 支持矢量机分类器在所有测试模型中提高了准确性.
结论:
- 深度学习模型与特征提取相结合,为放射学中早期肺癌诊断提供了显著的优势.
- 这项研究表明,人工智能有潜力准确区分良性和恶性肺结节.
- 这些发现支持将先进的AI技术集成到临床实践中,以提高诊断能力.
