IM-LTS:使用神经网络和IoMT进行肺瘤细分的综合模型.
Jayapradha J1,2, Su-Cheng Haw2, Naveen Palanichamy2
1Department of Computing Technologies, School of Computing, SRM Institute of Science and Technology, Kattankulathur, Tamil Nadu 603203, India.
MethodsX
|March 3, 2025
概括
本研究介绍了使用医疗物联网 (IoMT) 和深度学习进行肺瘤细分的综合模型 (IM-LTS). 该模型通过提高细分和分类准确性来提高早期肺癌诊断.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 计算机科学 计算机科学
背景情况:
- 早期肺瘤诊断对于患者的治疗结果至关重要.
- 医疗物联网 (IoMT) 和深度学习 (DL) 在医疗数据处理中越来越重要.
- 现有的模型需要提高肺瘤细分和分类的精度.
研究的目的:
- 开发使用IoMT和神经网络 (NN) 的肺瘤细分综合模型 (IM-LTS).
- 通过先进的细分和分类技术,提高早期肺癌诊断的精度.
- 集成MobileNetV2和U-NET架构来对肺部CT图像进行分类.
主要方法:
- 使用Z-score规范化进行CT肺部图像的预处理.
- 抽取语义特征 (纹理,强度,形状) 用于网络培训.
- 实现转移学习,使用预训练的NN作为U-NET编码器.
- 使用支持矢量机 (SVM) 将肺部数据分类为良性或恶性.
主要成果:
- 拟议的IM-LTS模型在肺瘤细分和分类方面表现出卓越的性能.
- 评估指标包括特异性,敏感性,精度,准确性和基准数据集上的F-Score.
- 与现有的肺瘤细分和分类方法相比,该模型取得了更好的结果.
结论:
- 开发的IM-LTS模型为早期肺瘤检测提供了更高的准确性.
- 整合IoMT和DL技术为医疗决策提供了一个强大的框架.
- 这种方法支持更早,更精确的肺癌诊断.
