利用目标检测识别肺癌
图像与视频处理
2023-05-26 v1 计算机视觉与模式识别
机器学习
摘要
肺癌构成重大的全球公共卫生挑战,强调早期检测对改善患者预后十分重要。深度学习算法近期的进展在医学图像分析中展现出有前景的结果。本研究旨在探索目标检测尤其是先进目标识别系统 YOLOv5 在肺癌识别医学成像中的应用。为训练和评估算法,从 Kaggle 获取了包含胸部 X 光片及相应标注的数据集。采用 YOLOv5 模型训练能够检测癌变肺病灶的算法。训练过程涉及优化超参数并利用增强技术提升模型性能。训练后的 YOLOv5 模型在识别肺癌病灶方面表现出卓越能力,显示出高准确率与高召回率。它成功定位胸部放射影像中的恶性区域,在独立测试集上优于以往技术。此外,YOLOv5 模型展现出计算效率,支持实时检测,适合集成至临床流程。该提出的方法有望辅助放射科医生早期发现和诊断肺癌,最终促成及时治疗和改善患者预后。
引用
@article{arxiv.2305.15813,
title = {Leveraging object detection for the identification of lung cancer},
author = {Karthick Prasad Gunasekaran},
journal= {arXiv preprint arXiv:2305.15813},
year = {2023}
}