Sci China Inf Sci：新的检测技术使肺癌得以准确检测！
2017-07-03 佚名 medicalxpress
肺癌是最致命的癌症之一。与大多数癌症的生存稳定增加相反，肺癌的进展缓慢。通常，肺癌患者的5年生存率为16％，如果在早期诊断肺癌，则达到52％。然而，如果发生转移，它降低到4％以下。因此，早期检测肺癌至关重要，以延长患者的生命。北航大学提出了一种用于肺癌检测的人工神经网络系统，将于2017年第七期刊登在“科学中国信息科学”上。
肺癌是最致命的癌症之一。与大多数癌症的生存稳定增加相反，肺癌的进展缓慢。通常，肺癌患者的5年生存率为16％，如果在早期诊断肺癌，则达到52％。然而，如果发生转移，它降低到4％以下。因此，早期检测肺癌至关重要，以延长患者的生命。北航大学提出了一种用于肺癌检测的人工神经网络系统，将于2017年第七期刊登在“科学中国信息科学”上。
在临床实践中，计算机断层扫描（CT）可以捕获肺结节和环绕结构的细粒细节，包括用于诊断的黄金标准。然而，CT成像的高灵敏度也导致巨大的数据和复杂的模糊性，这使得放射科医师难以将病理结构与健康组织区分开来。近年来，计算机辅助检测（CADe）系统发展迅速，诊断辅助潜力巨大。检测肺结节是一个明显的应用。然而，由于结节外观，结节与健康结构之间的微小差异以及血管和其他组织周围结节的影响，很难评估肺结节。
受到以前工作的启发，新文章介绍了一种基于人工神经网络的方法来从胸部CT中提取肺结节。与传统方法不同，我们重点关注结节体素的内部结构，并应用ANN来概括这些特征。我们正在三维空间中工作，仅由体素组成，而不是CT体积中的逐片处理。我们的方法可以轻松地集成到现有的CADe系统中，并且可以快速适应和处理几个人类交互的新数据流。同时，我们提出一种基于几何和统计特征的新型投票方法，以更好地提取初始候选区域，同时抑制模糊结构。最后，我们提出了一种基于三维大规模采样候选体素的多训练ANN的结节检测方法，而不是用户指定的特征，目的是减少各种假阳性的出现。
原始出处：
Xinglong Liu et al, A CADe system for nodule detection in thoracic CT images based on artificial neural network, Science China Information Sciences
小提示：本篇资讯需要登录阅读，点击跳转登录
版权声明：
本网站所有内容来源注明为“梅斯医学”或“MedSci原创”的文字、图片和音视频资料，版权均属于梅斯医学所有。非经授权，任何媒体、网站或个人不得转载，授权转载时须注明来源为“梅斯医学”。其它来源的文章系转载文章，或“梅斯号”自媒体发布的文章，仅系出于传递更多信息之目的，本站仅负责审核内容合规，其内容不代表本站立场，本站不负责内容的准确性和版权。如果存在侵权、或不希望被转载的媒体或个人可与我们联系，我们将立即进行删除处理。
在此留言
本网站所有内容来源注明为“梅斯医学”或“MedSci原创”的文字、图片和音视频资料，版权均属于梅斯医学所有。非经授权，任何媒体、网站或个人不得转载，授权转载时须注明来源为“梅斯医学”。其它来源的文章系转载文章，或“梅斯号”自媒体发布的文章，仅系出于传递更多信息之目的，本站仅负责审核内容合规，其内容不代表本站立场，本站不负责内容的准确性和版权。如果存在侵权、或不希望被转载的媒体或个人可与我们联系，我们将立即进行删除处理。
在此留言
#检测技术#
37
#CHINA#
43
好文，值得点赞！认真学习了，把经验应用于实践，为患者解除病痛。
50
学习了，谢谢分享
80
继续关注
0
学习了受益匪浅
60
好文章学习了
66