May, 2023

评估 LeNet 算法在伊拉克肿瘤教学医院 / 国家癌症疾病中心的肺癌分类中的应用

PDF
TL;DR使用 LeNet 和卷积神经网络在公开数据集上进行的肺肿瘤检测实验中，成功率为 99.51％，敏感性为 93％，特异性为 95％，并且与现有方法相比得到了更好的结果。
computer-aided detection systemslung cancerdeep learningconvolutional neural networksct image data
发现论文，激发创造
  • 基于 CNN 的 CT 扫描图像肺癌诊断

    本文提出基于卷积神经网络的深度学习模型框架，利用 CT 扫描图像进行肺癌的早期检测，该模型表现优于传统方法，准确率达到 92%，AUC 为 98.21%，召回率为 91.72%，损失为 0.328。

    Apr, 2023

  • 利用 VGG16 算法对 CT 扫描图像中的肺癌进行分类

    研究开发了基于 VGG16 深度学习算法的肺部结节诊断与分类方法，能够准确地识别良性、恶性和健康患者的癌症医学影像，灵敏度为 92.08％，准确度为 91％，AUC 达 93％，有助于肺癌早期诊断。

    May, 2023

  • 基于深度学习的 CT 肺部筛查中类似放射科医生的癌症风险评估

    该研究旨在比较深度学习模型与自动算法以及放射科医师的表现，以及评估该算法在异质数据集中的稳健性，结果显示深度学习模型在肺癌筛查方面表现出色，并且具有良好的泛化性，在肺癌恶性评估中比普遍接受的模型表现更好，在肺癌筛查比赛中的表现也优于其他 state-of-the-art 算法。

    Apr, 2018

  • 基于深度学习的肺癌风险因素人工智能预测

    本研究旨在利用深度学习方法（卷积神经网络）开发一个能够高度准确地检测肺癌的模型，并比较其准确率和损失值。研究结果表明，该模型能够在现实世界中使用，对于肺癌的早期检测十分重要，鳞状细胞癌、正常细胞癌、腺癌和大细胞癌是最重要的风险因素。

    Apr, 2023

  • 基於深度卷積神經網絡的計算機輔助檢測：CNN 架構、數據集特徵和轉移學習

    该论文主要探讨了如何在医学成像领域中运用深度卷积神经网络实现计算机辅助检测。作者对不同的卷积神经网络结构进行了评估，并考虑了数据集规模和图像空间背景对性能的影响。文章还阐述了将 ImageNet 预训练模型迁移到医学成像问题中的有效性，并通过两个计算机辅助检测问题的实验展示了更好的性能。

    Feb, 2016

  • 双重积分增强的零化神经网络在 CT 图像支持下使用 ALSOA 促进肺癌分类

    使用 CT 图像提出了一种利用双积分增强的零化神经网络优化 ALSOA 的肺癌分类方法 LCC-DIEZNN-ALSO-CTI，通过对 CT 图像进行预处理、提取统计特征和纹理特征，并在 MATLAB 上实施，分析了该方法与现有方法的性能对比。

    Dec, 2023

  • 卷积神经网络在肺部结节分类中输入大小的影响

    使用卷积神经网络分析低剂量 CT 肺癌筛查图像以减少错误结果，并在 LUNA16 挑战数据集上表现出 82.1% 的敏感性。

    Jul, 2021

  • 快速 CapsNet 用于肺癌筛查

    通过对肺结节的自动分类，探究使用胶囊网络作为一种替代卷积神经网络的方法，进一步提出一种具有一致性动态路由机制的 CapsNet，其效率较高， 并提出了一种有效的卷积解码器来解决原始影像重建的问题。

    Jun, 2018

  • 深度学习用于肺癌检测：解决 Kaggle 数据科学比赛 2017 挑战

    本文针对肺癌的计算机辅助诊断问题，提出了一个多阶段的深度学习框架，通过 3D 肺部 CAT 扫描检测肺结节，判断恶性程度并计算癌症概率，参加 Kaggle Data Science Bowl 2017 竞赛并取得了第 41 名的好成绩。

    May, 2017

  • 卷积神经网络多源迁移学习在肺部图像分析中的应用

    应用迁移学习技术，通过纹理数据库来改进深度卷积神经网络的训练方法，并将不同卷积神经网络中的知识结合，进而实现肺组织病变的分类，该方法的成功应用表明了在医学图像分析领域中，训练神经网络的方法同样重要于设计它的架构。

    Dec, 2016