深度组合模型与区块链技术用于肺癌检测,与安全的数据共享
Hari Krishna Kalidindi1, N Srinivasu1
1Department of Computer Science and Engineering, Koneru Lakshmaiah Education Foundation, Vaddeswaram, Andhra Pradesh 522502, India.
Computational biology and chemistry
|November 2, 2025
概括
这项研究引入了一种新的框架,用于使用混合深度学习模型 (HCNN-ALSTM) 进行安全和准确的肺癌检测,该模型由修改的群算法 (MKHA) 优化. 该系统增强了CT扫描的早期诊断,同时通过区块链技术确保了患者数据的隐私.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 区块链技术 区块链技术
背景情况:
- 肺癌的诊断往往会延迟,导致高死亡率.
- 现有的方法难以从CT扫描中提取特征,并且缺乏安全的数据共享.
- 集中式医疗数据系统存在违规和改的风险.
研究的目的:
- 为肺癌检测提供安全高效的框架.
- 通过使用先进的深度学习技术,提高早期诊断的准确性.
- 确保保护隐私的敏感医疗数据的共享.
主要方法:
- 利用基准数据集中的CT扫描数据.
- 实现了区块链与智能合约,以实现安全,分散的数据管理.
- 开发了一个混合卷积神经网络与自编码器和长短期记忆 (HCNN-ALSTM) 用于特征提取.
- 优化了使用修改的群算法 (MKHA) 的HCNN-ALSTM模型.
主要成果:
- 该MKHA-HCNN-ALSTM模型实现了91.64%的准确性,超过了现有的模型.
- 实现了高的特异性 (92.2%),MCC (84.17),FM (92.44),BM知情度 (84.2) 和标记度 (84.13).
- 已证明有效的特征提取和参数优化,以提高诊断准确度.
结论:
- 拟议的框架为早期肺癌检测提供了安全有效的解决方案.
- 区块链确保医疗机构之间的隐私保护数据共享.
- 该MKHA-HCNN-ALSTM模型显示了临床决策和患者护理的巨大潜力.
