用CNN和SVM技术对转移性脊柱癌和脊柱压缩骨折进行分类
Woosik Jeong1, Chang-Heon Baek2, Dong-Yeong Lee3
1Department of Bio-Industrial Machinery Engineering, Gyeongsang National University, Jinju 52828, Republic of Korea.
Bioengineering (Basel, Switzerland)
|January 8, 2025
概括
人工智能 (AI) 模型使用加工的MRI扫描精确区分转移性脊柱癌与骨折. 这种人工智能方法提高了脊髓瘤的诊断准确性,改善了患者的护理.
科学领域:
- 放射学 放射学是一门学科.
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 转移性脊柱癌和脊柱压缩骨折在MRI上表现出类似的症状和成像特征.
- 准确的区分对于适当的临床管理和治疗计划至关重要.
研究的目的:
- 开发和评估人工智能 (AI) 模型,以区分转移性脊柱癌与使用MRI的脊柱压缩骨折.
- 评估图像预处理技术对AI模型性能的影响.
主要方法:
- 使用MRI数据开发了卷积神经网络 (CNN) 和支持向量机 (SVM) 模型.
- 使用Otsu的二元化和Canny边缘检测算法预处理MRI图像.
- 模型的性能是根据灵敏度和准确度进行评估的.
主要成果:
- 基于图像的T1加权CNN模型实现了高灵敏度 (1.00) 和精度 (0.98).
- 使用Otsu的二进制化和Canny边缘检测的预处理显著提高了CNN模型的性能.
- 开发的AI模型在识别癌症病例方面表现出了卓越的能力.
结论:
- 人工智能模型,特别是利用预处理的MRI数据的CNN,显示出对转移性脊柱癌的准确诊断有很大的潜力.
- 这种人工智能辅助的方法可以帮助临床医生区分转移性脊柱癌与脊柱压缩骨折.
- 这项研究支持AI在医学成像中的临床应用,以提高诊断准确度.


