16、深度学习在肺癌检测与分类中的应用综述

深度学习在肺癌检测与分类中的应用综述

1. R - CNN在肺癌检测与分类中的应用

在肺癌检测中，为了识别结节，采用了带有类似U - net编码器和解码算法的增强型3D - Faster R - CNN。对于肺结节的分类，开发了多尺度多裁剪卷积神经网络（MsMc - CNN）。不同年份关于R - CNN的论文占比如下：
| 年份 | 占比 |
| — | — |
| 2018 | 11% |
| 2019 | 22% |
| 2020 | 34% |
| 2021 | 33% |

从这些数据可以看出，2020 - 2021年关于R - CNN在肺癌检测与分类的研究相对较多，这可能意味着该时间段内该方法取得了一定成果或者受到了更多关注。

2. ANN在肺癌检测与分类中的应用

2.1 不同研究及成果

• Ibrahim等人的研究 ：人工神经网络（ANN）能以96.67%的准确率准确识别肺癌是否存在。该模型使用了如黄手指、焦虑、慢性病、疲劳、过敏、喘息、咳嗽、呼吸急促、吞咽困难和胸部不适等症状作为训练信号。不过，未来需要更多数据以实现更精确的预测。
• Adetiba和Olugbara的研究 ：评估了支持向量机（SVM）和ANN集成在预测肺癌方面的能力。利用IGDB的数据，让这些机器学习算法学习预测肺部疾病，数据来源于非小细胞肺癌（NSCLC）患者的表皮生长因子受体、 Kirsten大鼠肉瘤病毒癌基因和肿瘤抑制基因p53基因组突变核苷酸语料库。作者未来打算在提议的阶段纳入更多