自动肺癌诊断从胸部X射线图像使用卷积神经网络
Aya Aboelghiet1, Samaa M Shohieb1, Amira Rezk1
1Department of Information Systems, Faculty of Computers and Information, Mansoura University, Mansoura, Daqahlia, Egypt.
PeerJ. Computer science
|September 24, 2025
概括
这项研究开发了一种定制的卷积神经网络 (CNN),用于使用胸部X射线 (CXR) 检测肺癌. 人工智能模型实现了83.2%的准确性,为资源有限的地区提供了具有成本效益的诊断工具.
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:
- 肺癌是全球癌症死亡的主要原因之一.
- 计算机断层扫描 (CT) 扫描提供了详细的成像,但在农村地区面临着可访问性挑战.
- 胸部X射线 (CXR) 为初步肺癌查提供了一个更容易获得的替代方案.
研究的目的:
- 提高肺癌检测的准确性和可访问性.
- 开发一个定制的卷积神经网络 (CNN) 来分析CXR图像.
- 创建一个具有成本效益的肺癌初步诊断工具.
主要方法:
- 一个定制的CNN在开放式访问CXR数据集 (JSRT) 上被设计和训练.
- 图像预处理涉及将CXR分成重叠的补丁.
- 使用t测试来过CNN培训的相关补丁,提高模型性能.
主要成果:
- 在通过CXR图像检测肺癌时,CNN模型的平均准确度为83.2 ± 2.91%.
- 该方法显示了准确初步肺癌诊断的潜力.
- 这种方法适用于资源有限的环境,CT无法使用.
结论:
- 开发的CNN模型显示,它是一个可访问和准确的工具,用于初步检测肺癌.
- 这种人工智能驱动的方法可以显著提高肺癌查的可访问性,特别是在服务不足的地区.
- 该研究强调了利用CXR与人工智能的潜力,以改善全球癌症诊断.
