使用GAN进行肺癌诊断,支持深度学习模型
1Electrical and Electronics Engineering, Yozgat Bozok University, Yozgat, Turkey.
Bio-medical materials and engineering
|February 20, 2025
概括
这项研究开发了一种深度学习模型,用于从CT扫描中对肺癌进行分类,达到99%的准确性. 这种人工智能方法有助于早期发现和诊断肺癌.
科学领域:
- 人工智能的人工智能
- 医疗成像医学成像
- 在瘤学瘤学.
背景情况:
- 肺癌是全球癌症死亡的主要原因,需要早期检测以改善结果.
- 像活检和手动CT解释这样的传统诊断方法是缓慢和可变的.
- 深度学习 (DL) 为更快,更客观的医学图像分析提供了机会.
研究的目的:
- 将肺CT图像分为良性,恶性和正常类别,使用先进的DL.
- 通过专门的AI模型,提高肺癌检测的诊断准确度.
主要方法:
- 使用生成对抗网络 (GAN) 增强了1097张肺部CT图像的数据集.
- 数据预处理包括历史图平衡和降噪,然后进行70/30列车测试分割.
- 训练和评估多个DL架构 (VGG19,AlexNet,InceptionV3,ResNet50,定制CNN),并使用更快的R-CNN集成进行检测.
主要成果:
- 定制的CNN模型实现了99%的峰值准确性,超过了VGG19 (97%) 等既有模型.
- 整合更快的R-CNN提高了模型的灵敏度和分类精度.
- 该研究表明DL模型在肺结节分类中的性能优越.
结论:
- 用GAN增强的深度学习模型显示了准确的肺癌分类的巨大潜力.
- 这些人工智能驱动的工具可以支持临床医生在早期肺癌检测和诊断.
- 开发的模型为通过及时干预改善患者生存率提供了一个有希望的途径.
