Jove
Visualize
联系我们
JoVE
x logofacebook logolinkedin logoyoutube logo
关于 JoVE
概览领导团队博客JoVE 帮助中心
作者
出版流程编辑委员会范围与政策同行评审常见问题投稿
图书馆员
用户评价订阅访问资源图书馆顾问委员会常见问题
研究
JoVE JournalMethods CollectionsJoVE Encyclopedia of Experiments存档
教育
JoVE CoreJoVE BusinessJoVE Science EducationJoVE Lab Manual教师资源中心教师网站
使用条款与条件
隐私政策
政策

相关实验视频

Updated: May 4, 2026

Author Spotlight: A 3D Digital Model for the Diagnosis and Treatment of Pulmonary Nodules
10:26

Author Spotlight: A 3D Digital Model for the Diagnosis and Treatment of Pulmonary Nodules

Published on: May 19, 2023

2.9K

使用优化的CNN功能和Squeeze-Inception-ResNeXt模型进行肺癌检测和分类.

Geethu Lakshmi G1, P Nagaraj1

  • 1Department of Computer Science and Engineering, Kalasalingam Academy of Research and Education, Krishnankoil, Srivilliputhur, Tamil Nadu, India.

Computational biology and chemistry
|March 30, 2025
PubMed
概括

一个新的深度学习模型,Squeeze-Inception-ResNeXt,准确地从CT扫描中分类肺部疾病. 这种先进的系统可以改善早期肺癌检测,帮助放射科医生,并可能降低死亡率.

相关概念视频

您也可能阅读

相关文章

通过共同作者、期刊和引用图与本文相关的文章。

排序
Same author

Deep learning and IoT-based framework for sesame plant identification and weed detection.

Scientific reports·2026
Same author

Attention Gated-VGG with deep learning-based features for Alzheimer's disease classification.

Neurodegenerative disease management·2025
Same author

Optimization enabled ResNet features with transfer learning for Alzheimer's disease detection.

Computational biology and chemistry·2025
Same author

Corrosion inhibition study of 6061 aluminium alloy in the presence of ethyl 5-methyl-1-(4-nitrophenyl)-1H-1,2,3-triazole-4-carboxylate (NTE) in hydrochloric acid.

Heliyon·2023
Same author

Psycho-behavioural risks of low back pain in railway workers.

Occupational medicine (Oxford, England)·2014
Same author

Spectrophotometric method for the determination of chromium (VI) in water samples.

Environmental monitoring and assessment·2008

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:

  • 肺癌是全球主要的死亡原因,需要改进早期检测和诊断方法.
  • 计算机辅助诊断 (CAD) 系统帮助放射科医生识别肺结节和恶性瘤,减轻人为错误.
  • 对肺癌亚型的准确分类对于有效的治疗策略和患者的治疗结果至关重要.

研究的目的:

  • 开发和评估一种深度学习方法,用于使用胸部计算机断层扫描 (CT) 图像对肺部疾病进行分类.
  • 通过先进的图像处理和分类技术,提高肺病诊断的准确性和效率.
  • 引入一种新的深度学习架构,Squeeze-Inception-ResNeXt,用于改进肺癌亚型分类.

主要方法:

  • 图像预处理技术包括颜色空间转换,数据增强,大小调整和正常化被应用到CT扫描中.
  • 特征提取是使用由Slime Mould Algorithm (SMA) 优化的卷积神经网络 (CNN) 进行的.
  • 一个混合分类模型,Squeeze-Inception-ResNeXt,结合Squeeze-Inception V3和ResNeXt,使用SMA开发和训练.

主要成果:

  • 压缩-开始-ResNeXt模型在分类肺部疾病方面取得了很高的表现,包括腺癌,大细胞癌和状细胞癌.
关键词:
电脑图像扫描 (CT-scan) 的使用情况.深度学习是一种深度学习.功能提取 功能提取肺癌是一种肺癌.优化算法优化算法

相关实验视频

Last Updated: May 4, 2026

Author Spotlight: A 3D Digital Model for the Diagnosis and Treatment of Pulmonary Nodules
10:26

Author Spotlight: A 3D Digital Model for the Diagnosis and Treatment of Pulmonary Nodules

Published on: May 19, 2023

2.9K
  • 与传统模型相比,该模型的准确性 (97.7%),灵敏性 (98.1%) 和特异性 (97.4%) 均高于传统模型.
  • 这种Squeeze-Inception-ResNeXt模型可以降低计算成本,同时保持高诊断性能.

    • 结论:

    • 开发的深度学习方法,Squeeze-Inception-ResNeXt,显示出从CT扫描中准确有效地分类肺部疾病的重大前景.
    • 这种方法有可能帮助放射科医生在早期发现和诊断肺癌,有助于改善患者管理.
    • 将SMA集成到优化中进一步提高了该模型在临床应用中的有效性.