不小细胞肺癌按组织学亚型的分类,使用深度学习在公共和私人数据集中的计算机断层扫描图像
Marcos Antonio Dias Lima1,2, Carlos Frederico Motta Vasconcelos2, Roberto Macoto Ichinose1
1Instituto Alberto Luiz Coimbra de Pós-Graduação e Pesquisa de Engenharia - Universidade Federal do Rio de Janeiro (COPPE-UFRJ), Rio de Janeiro, RJ, Brazil.
Radiologia brasileira
|June 9, 2025
概括
一个深度学习系统从CT扫描中准确地分类非小细胞肺癌 (NSCLC) 亚型,腺癌和状细胞癌 (SCC). 这种自动分类有助于放射科医生进行初步诊断.
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:
- 非小细胞肺癌 (NSCLC) 需要精确的组织学亚型化才能有效治疗.
- 计算机断层扫描 (CT) 成像对于肺癌的诊断和分期至关重要.
- 自动化分类系统有可能提高诊断效率.
研究的目的:
- 从CT图像中开发和评估一种深度学习系统,用于从CT图像中分类NSCLC亚型 (腺癌和状细胞癌).
- 将开发系统的性能与国际研究进行比较.
- 使用来自巴西国家癌症研究所的数据来评估系统的准确性.
主要方法:
- 一个2D U-Net神经网络被用于瘤细分.
- 基于VGG16的网络被用于分类.
- 该系统在大量CT图像数据集上进行了训练和验证,包括来自癌症图像档案和国家癌症研究所的数据.
主要成果:
- 该分类算法在腺癌中获得了84.5%的准确性,在SCC中达到89.6%.
- 对腺癌的敏感度为91.7%,对SCC的敏感度为90.4%.
- 绩效指标与类似国际研究报告的绩效指标相似.
结论:
- 深度学习系统展示了NSCLC亚型的准确自动检测,细分和分类.
- 这项技术有可能通过提高初步诊断效率来帮助瘤放射科医生.
- 这项研究验证了在公共数据集上训练的深度学习模型的使用,用于本地人口分析.
