一个高效的综合智能系统,用于细分和分类肺癌计算机断层扫描图像
Maheswari Sivakumar1, Sundar Chinnasamy2, Thanabal Ms3
1Department of AI&DS, Dhirajlal Gandhi College of Technology, Salem, Tamilnadu, India.
PeerJ. Computer science
|December 13, 2024
概括
这项研究引入了使用CT图像进行肺癌预测的增强智能系统. 这种新的方法达到99.87%的准确性,改善了肺癌的早期检测和诊断.
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:
- 肺癌是一个重大的全球健康挑战,死亡率和发病率很高.
- 从CT图像中精确细分肺癌对于早期检测至关重要,但由于尺寸,形状和周围组织的变化而面临挑战.
研究的目的:
- 开发和评估一种新的增强组合智能系统,用于从CT图像中准确预测肺癌.
- 通过提出综合方法来解决自动肺瘤细分方面的困难.
主要方法:
- 预处理涉及使用平均和自适应中间波器消除噪声,然后进行图形平衡以增强图像.
- 适应深度信念网络 (ADBN) 与级联受限制的博尔兹曼机器 (RBM) 用于细分受影响的肺部区域和提取特征.
- 混合螺旋优化-智能通用粗集 (SOI-GRS) 用于特征选择和一个优化的光梯度增强机 (LightGBM) 模型,优化由集团哈里斯优化 (EHHO),用于分类.
主要成果:
- 拟议的系统在各种数据集上进行了训练和测试,包括LUNA 16,Kaggle数据科学碗,癌症成像档案馆和本地数据集.
- 使用Python与TensorFlow和Scikit-Learn进行了广泛的实验,证明了系统的有效性.
- 该模型以最小的分类错误实现了99.87%的分类准确度,准确识别了患有肺癌的个体.
结论:
- 综合智能系统,结合ADBN和优化LightGBM,显著优于其他预测模型.
- 这种增强的系统提高了诊断效率,帮助医生和放射科医生更好地诊断肺癌患者.


