lung cancer | BriefGPT - AI 论文速递

关键词lung cancer

搜索结果 - 47

Lung-CADex：全自动胸部 CT 图像中肺结节的零样本检测和分类
肺癌的计算机辅助诊断使用大型视觉语言模型，通过 CADe 和 CADx 方法实现肺结节的分割和良性 / 恶性的特征对齐，具有较高的敏感度（0.86）。
PDF4 days ago
肺健康中的人工智能：在多个 CT 扫描数据集上对检测和诊断模型进行基准测试
肺癌早期检测对降低高死亡率具有重要作用，而人工智能在诊断成像方面的应用日益重要。该研究利用 Duke Lung Cancer Screening Dataset (DLCSD) 开发和验证了 DLCSD-mD 和 LUNA16-mD 模型，
PDF2 months ago
MM探索可解释人工智能技术以提高肺癌和结肠癌分类的可解释性
利用深度学习方法对肺癌和结肠癌进行组织学图像分类，取得了 97% 至 99% 的准确率，并通过注意力可视化技术提高了恶性和良性图像分类的解释性和理解。
PDF2 months ago
利用卷积神经网络视觉分类器和多变形文本解码器自动生成肺细胞像的报告：初步研究
本研究提出了一种肺细胞学图像的报告生成技术，通过使用卷积神经网络对图像进行分类并提取与图像相关的特征，结合 Transformer 进行报告生成，该方法在肺细胞学分类和报告方面具有潜在的应用价值。
PDF3 months ago
磁共振三角辐射学跟踪肺肿瘤在接受立体定向磁共振引导放疗过程中的放疗反应
通过 MR 导向的肺部体固态放射治疗，我们的研究建立了利用 δ 放射组学分析来捕捉肺部体固态放射治疗的短期放射学表现的可行性和稳定性。
PDF4 months ago
EXACT-Net：非小细胞肺癌放疗的电子健康记录引导下肺肿瘤自动分割
使用电子健康记录辅助的 EXACT-Net 方法，在非小细胞肺癌患者的计算机断层扫描（CT）图像中，通过预训练的大型语言模型提取信息，去除假阳性，并成功检测到肿瘤结节，使得成功结节检测的数量提高了 250%。
PDF5 months ago
利用可解释机器学习方法基于标准血液检测结果和吸烟状况进行肺癌的肺病医生级别检测
通过丹麦地区 2009 年至 2018 年的肺癌疑似患者数据，利用动态集成选择的机器学习模型，在标准血样分析和吸烟史数据基础上，成功实现肺癌的早期检测，表现优于肺病学家，关键因素包括吸烟状况、年龄、总钙水平、中性粒细胞计数和乳酸脱氢酶。
PDF5 months ago
基于人工智能的肺癌预后
肺癌是 2020 年全球癌症相关死亡的首要原因，其中不可小觑的病例为非小细胞肺癌，在所有疾病阶段的综合存活率约为 25％，但预后依疾病阶段和治疗干预而异。最近，人工智能的进展在肺癌预后方面发挥了革命性作用，包括机器学习和深度学习算法在内的
PDF5 months ago
应用人工智能技术与螺旋 CT 扫描结合的早期肺癌筛查分析
中国肺癌的发病率和致死率居于所有恶性肿瘤之首，早期肺癌的诊断对患者预后的改善具有重要意义。近年来，人工智能技术在肿瘤学领域逐渐得到应用，特别是在肺癌筛查和早期诊断方面发展迅速。然而，目前关于人工智能技术结合 SCT 扫描进行早期肺癌诊断的研
PDF5 months ago
面向模型校准的任务特定正则化损失用于可靠的肺癌检测
我们提出了一种新的任务特定损失函数来校准神经网络，以减少过于自信的错误，并结合多分类置信度和准确性（MDCA）损失函数，通过进行温度缩放的后校准，实现期望校准错误（ECE）的提升 5.98% 和最大校准错误（MCE）的提升 17.9%，相较
PDF6 months ago
胸部 X 光片上的结节检测与生成：NODE21 挑战
通过公共研究挑战 NODE21 和附加实验，本文总结了合成肺结节训练图像对检测算法性能的影响，以及肺结节作为肺癌早期表现的检测和生成过程。
PDF6 months ago
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
PDF7 months ago
用于肺部病变特征探索和恶性预测的变分自编码器
应用生成型 AI 模型 VAEs 对肺癌病灶进行研究，通过聚类分析和 MLP 分类器模型，在肺癌诊断方面取得了 AUC 0.98 和 93.1% 的准确度，同时探索标准高斯 VAE 和较新的狄利克雷 VAE 的比较分析，最后展示了潜在空间遍
PDF7 months ago
医学图像标准化和增强的潜在扩散模型
使用 DiffusionCT 模型，通过对不同患者的潜在属性进行转换，实现了 CT 影像的标准化，提供了更一致的基础用于下游分析，并进一步减少了 SPAD 影像中的噪声。
PDF9 months ago
Swin-Tempo: 使用 Swin Transformer 增强的 UNet 在 CT 扫描作为视频序列中具有时间感知的肺结节检测
我们提出了一种创新模型，结合了卷积神经网络和视觉变换器的优势，将每个 3D CT 图像视为视频，每个切片视为帧，将肺结节视为对象，使其能够进行时间序列应用，以克服模型训练过程中的硬件限制，实现对 2D 数据的高效处理，并利用 3D 图像上下
PDF9 months ago
融合低剂量 CT 为基础的放射组学和代谢组学用于早期肺癌筛查支持
通过机器学习技术应用于低剂量计算机断层扫描辐射学和代谢组学，本研究开发了一种方法来识别肺实质内的潜在恶性肿瘤病变，以支持肺癌筛查。
PDF10 months ago
利用薄层 CT 扫描预测肺癌中的高风险因素：一种增强注意力的图卷积网络方法
通过引入注意力增强的图卷积网络模型 (AE-GCN)，我们的研究旨在基于术前 CT 图像对 I 期肺癌是否存在高风险因素进行分类，从而帮助外科医生在手术前确定最佳手术方法。该方法采用 Graph Convolutional Network
PDF10 months ago
使用梯度提升方法开发和外部验证的肺癌风险评估工具
通过机器学习工具，结合肺癌风险因素和临床数据，本研究旨在提供一个估计五年内肺癌发生可能性的自由可用网络应用，以促进早期发现和预防策略，降低肺癌相关死亡率。
PDF10 months ago
利用合成病理先验在 CT 图像上对肺癌亚型进行分类
提出了自动生成混合特征网络（SGHF-Net）用于肺癌亚型的模式分类，通过深度神经网络 quantitatively maps cross-modality associations 从 CT images 提取 “gold standar
PDFa year ago
胸部 CT 扫描的多任务学习：分类、分割、重建和检测
肺癌和 COVID-19 是世界上患病率和死亡率最高的疾病之一。针对早期阶段疾病的病灶识别对医生而言是困难且耗时的，因此，多任务学习是一种从少量医学数据中提取重要特征（如病灶）的方法，因为它能更好地进行泛化。我们提出了一种新颖的多任务框架，
PDFa year ago