使用人工智能视觉变压器进行CT扫描分析以检测肺癌的新方法
Abdulmajeed Alqhatani1, Aarathi S2, Prasad P S3
1Department of Information Systems, College of Computer Science and Information Systems, Najran University.
Journal of visualized experiments : JoVE
|December 15, 2025
概括
视觉转换器 (ViT) 在从CT扫描中对肺癌进行分类时显示出高精度,即使有图像变化. 这种先进的AI可能会改善早期癌症检测和个性化患者护理.
科学领域:
- 医疗成像中的人工智能
- 瘤学 诊断 诊断 瘤学
- 机器学习用于医疗保健
背景情况:
- 由于良性和恶性瘤之间的微妙成像差异,肺癌的诊断具有挑战性.
- 传统的卷积神经网络 (CNN) 在不同成像方法的强度上有局限性.
- 机器学习的进步正在改变医疗保健,提高可访问性和个性化患者护理.
研究的目的:
- 用CT扫描来评估视觉转换器 (ViT) 在肺癌分类中的有效性.
- 在模拟实时诊断场景中评估ViT的稳定性,图像变化.
- 将ViT的性能与常规的肺癌检测方法进行比较.
主要方法:
- 一个视觉变压器 (ViT) 模型在1190张CT图像上接受了训练,用于肺癌分类.
- 模型性能使用模拟实时场景与噪音和模糊图像数据集进行验证.
- 对传统的验证方法进行了比较分析.
主要成果:
- ViT模型实现了98.18%的分类率和0.9676.6的马修斯相关系数.
- 与传统方法相比,ViT在区分噪音和模糊图像方面表现出卓越的表现 (准确度为80-88%).
- 该模型表现出对图像变化的稳定性,保持了强大的诊断准确性.
结论:
- 视觉转换器显示出有希望的稳定性和高准确性,用于CT扫描的肺癌分类,即使有图像变化.
- 在临床瘤诊断和早期癌症检测方面,ViTs可能具有优势.
- 未来的研究应该利用更大的,经过临床验证的数据集,以确认ViT在现实环境中的好处.


