使用Google AI Studio对胸部CT进行自动肺癌检测的卷积神经网络应用
Z Aljneibi1, S Almenhali1, L Lanca1
1Department of Radiography and Medical Imaging, Fatima College of Health Sciences - Institute of Applied Technology, Abu Dhabi, United Arab Emirates.
Radiography (London, England : 1995)
|September 3, 2025
概括
这项研究评估了在CT扫描上检测肺癌的AI模型. 人工智能显示出识别恶性瘤的潜力,但需要人类监督才能提高特异性.
科学领域:
- 医学成像
- 医疗保健中的人工智能
- 癌症学
背景情况:
- 肺癌的诊断主要依赖于计算机断层扫描 (CT).
- 人工智能 (AI) 模型正在开发,以提高医学成像中的诊断准确性.
- 评估人工智能检测肺癌的性能对于临床整合至关重要.
研究的目的:
- 在胸部CT图像上评估AI增强型肺癌检测的诊断性能.
- 评估人工智能模型在分类正常,良性和恶性肺部疾病中的准确性,敏感性和特异性.
- 分析人工智能模型的解释一致性和行为.
主要方法:
- 使用公开的IQ-OTH/NCCD数据集 (110个CT病例).
- 使用25个训练图像微调一个预训练的卷积神经网络 (CNN).
- 进行了诊断准确性的定量评估和人工智能生成的报告的定性分析.
主要成果:
- 人工智能模型实现了75.5%的整体准确度,74.5%的灵敏度和76.4%的特异性.
- 在ROC曲线下的面积 (AUC) 为0.824,表明强大的区分能力.
- 恶性病例显示出高性能 (AUC=0. 902),良性病例则更具挑战性 (AUC=0. 615).
结论:
- 人工智能模型在CT扫描上检测肺部恶性瘤的潜力很大.
- 在非恶性病例中的特异性限制和解释错误需要人类监督.
- 人工智能增强的CT解释可以提高效率,但应该作为决策支持工具,而不是取代专家审查.
