計算機斷層掃描 (CT) 是評估患者肺癌的主要診斷工具。現(xiàn)在，由 NIBIB 資助的斯坦福大學研究人員已經(jīng)創(chuàng)建了一個人工神經(jīng)網(wǎng)絡，該網(wǎng)絡可以分析肺部 CT 掃描，以提供有關肺癌嚴重程度的信息，從而指導治療方案。
CT 成像是一種重要的診斷工具，用于測量肺部病變的位置、范圍、大小和形狀，用于指導肺癌患者的治療決策——肺癌是全世界成人中最常見的致命惡性腫瘤。然而，CT 圖像的分析僅限于人眼可見的部分，閱讀器的差異性導致不同腫瘤中心的臨床護理存在差異。
生物醫(yī)學信息學、放射學、數(shù)據(jù)科學、電氣工程領域的多學科專家組聯(lián)手創(chuàng)建了一個名為 LungNet 的機器學習神經(jīng)網(wǎng)絡，旨在從患者的肺部 CT 掃描中獲取一致、快速和準確的信息。該小組對患有非小細胞肺癌 (NSCLC) 的成年人進行了掃描，這種疾病占肺癌診斷的 85%。
“LungNet 展示了直接在患者的醫(yī)學圖像上設計和訓練機器學習工具的好處，”NIBIB 圖像處理、視覺感知和顯示項目主任 Qi Duan 博士說。“這是一個很好的例子，說明機器學習技術如何成為一種具有成本效益的方法來推進疾病檢測、診斷和治療。”
該研究小組由斯坦福大學生物醫(yī)學信息學研究醫(yī)學助理教授 Olivier Gevaert 領導，他專門研究使用多尺度生物醫(yī)學數(shù)據(jù)開發(fā)用于生物醫(yī)學決策支持的機器學習方法。
Gevaert 解釋說：“定量圖像分析表明，放射圖像，例如肺癌患者的 CT 掃描，包含比放射科醫(yī)生觀察到的信息更多的可挖掘信息。”“使用來自幾個不同腫瘤診所的 CT 圖像數(shù)據(jù)集，我們著手確定我們的神經(jīng)網(wǎng)絡是否可以接受訓練以準確、可重復地分析掃描并提供一致、有用的臨床信息。”
標簽：
免責聲明：本文由用戶上傳，如有侵權請聯(lián)系刪除！