使用CT图像进行肺癌分类的高效混合人工智能框架.
1Department of Computer Science and Engineering, GITAM School of Computer Science and Engineering, GITAM (Deemed to be university), Bengaluru, 561203, India. lllkamala5@gmail.com.
Scientific reports
|December 24, 2025
概括
一个新的混合人工智能 (AI) 模型从CT扫描中准确预测肺癌. 这种人工智能方法改善了早期检测,提高了这种危险疾病的患者存活率.
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:
- 肺癌的生存率很低,因此需要早期检测以改善患者的治疗结果.
- 计算机断层扫描 (CT) 成像有助于识别肺部疾病,但手动分析耗时且容易出现错误.
- 使用人工智能的自动肺癌预测可以克服手动CT图像分析的局限性.
研究的目的:
- 开发和评估一种混合人工智能模型,用于将肺部CT图像分类为正常,良性或恶性.
- 为了比较不同特征提取方法的性能,与深度学习模型相结合,用于肺癌预测.
主要方法:
- 提出了一种混合AI模型,将传统特征 (灰级共发生矩阵,规模不变特征转换) 与深度学习特征 (VGG-16,移动网络) 整合起来.
- 从伊拉克瘤学教学医院/国家癌症疾病中心 (IQ-OTH/NCCD) 数据集中的肺部CT图像中提取特征,预处理并融合.
- 对六种特征提取模块的组合进行了分类性能评估.
主要成果:
- 灰级共发生矩阵 (GLCM) 和规模不变特征转换 (SIFT) 与MobileNet的集成实现了最高的准确性,精度,回忆,F1得分和特异性.
- 拟议的混合人工智能模型在肺癌预测方面超过了现有的最先进的方法.
- 该模型展示了可靠的性能和适合实时部署的适用性.
结论:
- 混合人工智能模型结合了传统和深度学习功能,为CT图像的肺癌预测提供了可靠和准确的方法.
- 这种人工智能驱动的方法提高了早期肺癌检测,可能增加生存率.
- 开发的模型对临床应用和医疗保健机构的实时部署充满希望.
