开发一种创新的肺癌检测模型,用于人工智能医疗保健系统的准确诊断
Wang Jian1, Amin Ul Haq2,3, Noman Afzal4
1School of Artificial Intelligence, Neijiang Normal University of Sichuan, Neijiang, Sichuan, 641100, China.
Scientific reports
|July 1, 2025
概括
这项研究引入了一种新的CNN-GRU深度学习模型,用于准确检测肺癌. 综合模型实现了99.77%的准确性,超过了以人工智能为基础的医疗保健系统中以前的方法.
科学领域:
- 医学成像和人工智能 医学成像和人工智能
- 医疗保健中的深度学习
背景情况:
- 精确的肺癌 (LC) 识别是基于人工智能的医疗保健的一个重大挑战.
- 目前用于肺癌诊断的深度学习方法需要进一步改进.
研究的目的:
- 提出一个集成的深度学习模型,CNN-GRU,用于增强肺癌检测.
- 利用卷积神经网络 (CNN) 和门式循环单元 (GRU) 来提高诊断准确度.
主要方法:
- 开发了一个集成的CNN-GRU模型,将CNN用于空间特征提取和GRU用于预测.
- 利用持久验证和数据增强 (旋转,亮度) 来进行模型训练和强度.
- 应用优化技术,如随机梯度下降 (SGD) 和自适应时刻估计 (ADAM).
主要成果:
- 拟议的CNN-GRU模型在肺癌检测中实现了99.77%的高精度.
- 在实验评估中,与现有模型相比,表现出优越的性能.
- 使用全面的评估指标验证了模型的有效性.
结论:
- 在AI医疗保健中,CNN-GRU模型为精确的肺癌检测提供了一个有希望的解决方案.
- 它的高诊断准确性使其成为临床应用的推工具.
- 进一步整合到基于人工智能的医疗保健系统可以改善患者的治疗结果.
更多相关视频
07:53Author Spotlight: Advancing 3D Modeling for Enhanced Diagnosis and Treatment of Pulmonary Nodules in Early-Stage Lung Cancer
Published on: October 13, 2023
1.6K
05:33Introduction of an Integrated Pathology Image Management, Artificial Intelligence, and Reporting System
Published on: July 11, 2025
269
