技术进展国际期刊
开放获取

抽象的

使用机器学习检测肺癌

韦库勒·乔蒂·M

肺癌，也称为肺癌，是全世界癌症死亡的主要原因。每年，使用计算机断层扫描 (CT) 进行早期癌症检测可以挽救数十万人的生命。然而，分析数十万张这样的扫描对于放射科医生来说是一个巨大的负担，而且他们经常会感到观察者疲劳，这可能会损害他们的表现。因此，需要有效地读取、检测和评估 CT 扫描。因此，需要有效地读取、检测和评估 CT 扫描。作者利用数据集中提供的肺癌中点，在其参考图像上裁剪了 2D 癌症掩模，并使用各种技术训练了模型。所提出的系统由许多步骤组成，例如图像采集、预处理、二值化、阈值化、分割和特征提取。第一阶段，采用二值化技术对二值图像进行转换，然后与阈值进行比较来检测肺癌。第二阶段，进行分割以分割肺部CT图像，并引入强大的特征提取方法来提取分割图像的一些重要特征。提取的特征用于训练神经网络，最后系统测试任何癌性和非癌性图像。