快速分阶段CNN模型用于肺部疾病和肺癌精确检测
图像与视频处理
2024-12-17 v1 人工智能
计算机视觉与模式识别
摘要
肺部病理是重大的全球健康问题，若未及时诊断和治疗常导致致命后果。胸部X光摄影是主要诊断工具，但经验丰富的放射科医生仍然有限。人工智能和机器学习，特别是计算机视觉的进步，为解决这一挑战提供了有希望的方案。本研究评估了一个深度学习模型，旨在使用胸部X光片检测肺癌（特别是肺结节）以及其他八种肺部病理。研究利用包含超过135,120张正面胸部X光片的不同数据集来训练卷积神经网络（CNN）。采用两阶段分类系统，结合集成方法和迁移学习，首先将图像分类为正常或异常，然后识别特定病理，包括肺结节。深度学习模型在结节分类中取得了显著结果，外部验证中最高准确率为77%，灵敏度0.713，特异度0.776，AUC分数0.888。尽管取得了这些成功，仍观察到一些误分类，主要是假阴性。总之，由于训练数据集的地理多样性，该模型展示了在不同患者群体中泛化的强大潜力。未来工作可侧重于整合ETL数据分布策略，并扩展数据集以包含更多结节类型样本，进一步提高诊断准确性。
引用
@article{arxiv.2412.11681,
title = {Fast-staged CNN Model for Accurate pulmonary diseases and Lung cancer detection},
author = {Abdelbaki Souid and Mohamed Hamroun and Soufiene Ben Othman and Hedi Sakli and Naceur Abdelkarim},
journal= {arXiv preprint arXiv:2412.11681},
year = {2024}
}
备注
IEEE International Workshop on Mechatronic Systems Supervision 2023