基因优化的模块化神经网络用于精确的肺癌诊断:探索性研究的新方法
Vijay L Agrawal1, Trushdeep Agrawal2,3, Aruni Ghose4,5,6
1HVPM's COET, Amravati, India.
Cancer diagnosis & prognosis
|March 4, 2026
概括
一个新的人工智能 (AI) 算法从CT扫描中准确诊断肺癌. 这种人工智能工具实现了100%的准确性,可能有助于放射科医生并改善患者的治疗结果.
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:
- 肺癌是癌症死亡的主要原因之一.
- 低剂量计算机断层扫描 (CT) 查提高了生存率,但面临着放射科医生短缺的问题.
- 开发高效的人工智能用于肺癌检测至关重要.
研究的目的:
- 开发和评估一个精确和高效的AI算法用于肺癌诊断,使用胸部CT扫描.
- 为应对肺癌查中放射科医生短缺所带来的挑战.
主要方法:
- 在两个数据库中利用了156名患者的胸部CT扫描.
- 使用统计数据,直方图,快速富里埃变换 (FFT),离散等号变换 (DCT) 和沃尔什-哈达马德变换 (WHT) 进行了特征提取.
- 优化的分类器包括多层感知器 (MLP),通用前神经网络 (GFF-NN),模块化神经网络 (MNN) 和支持矢量机器 (SVM) 使用遗传算法.
主要成果:
- 模块化神经网络 (MNN) 具有FFT功能和动量学习,实现了100%的分类准确性.
- 在交叉验证过程中,在两个数据集中始终获得了完美的平均分类准确性.
- 评估指标包括分类准确性,平均平方误差 (MSE) 和ROC曲线下的面积 (AUC).
结论:
- 基因优化的MNN分类器在CT图像上的肺癌诊断方面表现出高性能.
- 达到完美的分类准确度表明了临床应用的巨大潜力.
- 人工智能工具可以提高诊断精度,作为分拣系统,并减少放射科医生的工作量.
