基于迁移学习的肺癌检测混合深度卷积模型
计算机视觉与模式识别
2025-06-06 v2 人工智能
机器学习
摘要
医疗研究的进展显著增强了我们对疾病机制、诊断精度和治疗选项的理解。然而，肺癌仍是全球范围内癌症死亡原因之一，主要由于早期和准确诊断的挑战。虽然当前的肺癌检测模型显示出前景，但有望进一步提高准确性以实现及时干预的潜力仍然很大。为此，我们引入一种基于迁移学习的混合深度卷积模型，命名为Maximum Sensitivity Neural Network (MSNN)。MSNN旨在通过细化灵敏度和特异度来提高肺癌检测的精度。该模型通过实验验证超越了现有的深度学习方法，实现了98%的准确率和97%的灵敏度。通过将灵敏度图叠加到肺部CT扫描上，可实现对最具指示恶性或良性分类的区域的可视化。该创新方法在准确区分肺癌方面表现出色，误报极少，从而提高了医疗诊断的准确性。
引用
@article{arxiv.2501.02785,
title = {Hybrid deep convolution model for lung cancer detection with transfer learning},
author = {Sugandha Saxena and S. N. Prasad and Ashwin M Polnaya and Shweta Agarwala},
journal= {arXiv preprint arXiv:2501.02785},
year = {2025}
}
备注
Authors realized mistake in the model. Also some data was misinterpreted