基于 CT 扫描的肺结节恶性程度高精度预测模型
计算机视觉与模式识别
2018-02-07 v1 定量方法
机器学习
摘要
计算机断层扫描（CT）检查常用于预测患者肺结节的恶性程度，已被证明可改善肺癌的非侵入性早期诊断。计算方法要达到与经验丰富的放射科医生相当的性能仍具挑战。本文提出 NoduleX，一种基于深度学习卷积神经网络（CNN）从 CT 数据预测肺结节恶性程度的系统方法。在训练与验证中，我们分析了来自 LIDC/IDRI 队列图像中的超过 1000 个肺结节。所有结节均由参与 LIDC 项目的四位经验丰富的胸部放射科医生识别并分类。NoduleX 在结节恶性分类上达到高准确度，AUC 约 0.99。这与经验丰富的放射科医生对该数据集的分析相当。我们的方法 NoduleX 提供了一个以大量患者群体训练模型进行高精度结节恶性预测的有效框架。我们的结果可在 http://bioinformatics.astate.edu/NoduleX 通过软件复现。
引用
@article{arxiv.1802.01756,
title = {Highly accurate model for prediction of lung nodule malignancy with CT scans},
author = {Jason Causey and Junyu Zhang and Shiqian Ma and Bo Jiang and Jake Qualls and David G. Politte and Fred Prior and Shuzhong Zhang and Xiuzhen Huang},
journal= {arXiv preprint arXiv:1802.01756},
year = {2018}
}