相关实验视频
Updated: Jun 19, 2026
04:43
Detection of Lung Tumor Progression in Mice by Ultrasound Imaging
Published on: February 27, 2020
6.7K
深度学习辅助计算机辅助诊断系统用于早期检测肺癌
R Lisha1, C Agees Kumar2, T Ajith Bosco Raj3
1Department of Electronics and Communication Engineering, Arunachala College of Engineering for Women, Kanyakumari, India.
Journal of clinical ultrasound : JCU
|January 31, 2025
概括
这项研究引入了用于肺癌检测的先进计算机辅助诊断 (CAD) 模型,达到99.53%的准确性. 这种新的深度学习方法显著提高了癌症死亡率的主要原因的早期检测率.
科学领域:
- 医疗成像医学成像
- 在瘤学中使用人工智能
- 计算病理学计算病理学
背景情况:
- 肺癌是全球癌症相关死亡的主要原因之一.
- 准确的诊断取决于瘤特征,病变的存在,癌症类型 (恶性/良性) 和患者的心理健康.
- 计算机辅助诊断 (CAD) 系统对于改善肺癌检测至关重要.
研究的目的:
- 开发和评估一种新的计算机辅助诊断 (CAD) 模型,用于增强肺癌检测.
- 与现有方法相比,提高诊断准确度和灵敏度.
主要方法:
- 拟议的模型使用了一个修改后的神经网络架构,具有10个层次,从ImageNet.Net中改编.
- 预处理涉及快速非本地媒介过器 (FNLM).
- 功能提取是使用二进制草优化算法 (BGOA) 进行的.
主要成果:
- 拟议的模型达到99.53%的高精度和98.95%的灵敏度.
- 使用Modèle数据集对深度学习技术进行性能评估.
- 该模型表现出卓越的有效性,其靠近ROC曲线上的真正值.
结论:
- 开发的CAD模型在肺癌诊断的准确性和灵敏性方面明显优于现有技术.
- 拟议的深度学习策略为早期和准确的肺癌检测提供了有希望的进展.
- 该模型的高性能表明其在改善患者结果的临床应用的潜力.
