梯度驱动的像素连接 卷积神经网络基于U-Net肺结节细分的分类
Najeh Ahmed1, Asma Ayadi2, Imen Hammami2
1University of Tunis El Manar, Higher Institute of Medical Technologies of Tunis, Research Laboratory in Biophysics and Medical Technologies, 1006, Tunis, Tunisia.
Medical engineering & physics
|July 23, 2025
概括
这项研究引入了一种深度学习系统,用于使用计算机断层扫描图像进行早期肺癌检测. 人工智能模型准确地识别和分类肺结节,帮助临床医生进行诊断.
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:
- 肺癌对全球健康造成重大负担,需要改进诊断工具.
- 早期检测肺结节对于提高患者生存率和治疗疗效至关重要.
研究的目的:
- 开发和评估基于深度学习的诊断辅助系统,用于早期肺结节的检测和分类.
- 利用卷积神经网络 (CNN) 来从CT图像中语义细分和分类肺结节.
主要方法:
- 在计算机断层扫描 (CT) 图像中使用U-Net CNN进行肺结节的语义细分.
- 实现特征提取和选择,然后使用LUNA16数据集上的另一个CNN进行分类.
- 评估了细分精度 (99.16%) 和子相似系数 (88.44%).
主要成果:
- 在区分肺结节和非结节方面取得了90.36%的准确性.
- 在将固体与磨砂玻璃结节分类时,获得了91.89%的准确性.
- 在区分良性与恶性结节方面达到91.54%的准确性,表现出强大的性能.
结论:
- 拟议的深度学习系统显示出作为临床医生在肺癌诊断中的宝贵工具的巨大潜力.
- 该系统在结节检测和分类方面的高精度可以有助于改善患者的治疗结果和先进的肺癌治疗策略.
- 这种人工智能驱动的方法推进了医疗成像分析领域的早期癌症检测.
