基于深度学习对象检测的肺癌早期检测
Kuo-Yang Huang1,2,3, Che-Liang Chung2,3,4, Jia-Lang Xu5
1Division of Chest Medicine, Department of Internal Medicine, Changhua Christian Hospital, Changhua, Taiwan.
Frontiers in medicine
|May 13, 2025
概括
这项研究比较了人工智能 (AI) 模型,用于使用CT扫描检测肺癌. YOLOv8在识别和分类肺癌方面表现出卓越的性能,帮助医生进行诊断.
科学领域:
- 医学成像分析分析 医学成像分析
- 人工智能在瘤学中的应用
- 放射学和计算病理学
背景情况:
- 早期肺癌诊断对于有效治疗和改善患者存活率至关重要.
- 人工智能 (AI) 已经显著提升了医疗图像分析能力.
- 对象检测模型越来越多地用于分析复杂的医学扫描,如CT图像.
研究的目的:
- 为了比较各种You Only Look Once (YOLO) 版本在CT图像中肺癌检测和分类的性能.
- 评估YOLOv5,YOLOv8,YOLOv9,YOLOv10和YOLOv11算法在肺-PET-CT-Dx数据集上的有效性.
- 确定最佳的YOLO模型,以协助医生准确诊断和定位肺癌.
主要方法:
- 利用公共的肺-PET-CT-Dx数据集进行模型培训和验证.
- 实施并比较了多个版本的你只看一次 (YOLO) 对象检测算法,包括YOLOv5,YOLOv8,YOLOv9,YOLOv10和YOLOv11.
- 根据肺癌检测和分类任务的精度和回忆率评估模型性能.
主要成果:
- 与其他评估的YOLO版本相比,YOLOv8取得了更好的预测结果.
- 在肺癌检测中,YOLOv8的准确率为90.32%,回忆率为84.91%.
- 这些发现表明,人工智能驱动的工具在提高诊断准确性方面有很大的潜力.
结论:
- YOLOv8有效地协助医生诊断肺癌.
- 该模型提高了医疗成像中疾病定位和识别的准确性.
- 人工智能驱动的对象检测提供了一个有前途的方法来增强瘤学中的临床决策.
