56、基于神经网络的 MRI 肺部肿瘤分割与分类

基于神经网络的 MRI 肺部肿瘤分割与分类

1. 研究背景与目标

肺癌是全球癌症相关死亡的主要原因之一，是一种具有多种医学显著亚型的异质性疾病。准确识别肺部肿瘤的恶性程度并进行分类，对于提高患者的生存率至关重要。本次研究旨在从 MRI 和 CT 图像中识别肺部结节的恶性程度，并进行基于特征的分类，同时致力于减少图像噪声和重叠，以获得最高的结果精度。

2. 相关工作

• Wang 等人的研究 ：提出了一种深度学习（DL）模型，用于分析放疗期间每周的 MRI 扫描图像中的肺癌情况，创建了患者特定的自适应 CNN（A-net），以重现放疗的自适应过程，并利用过去的 MRI 图像和肿瘤形态对当前的肿瘤进行分割。
• ShilpaGite 等人的研究 ：详细分析和讨论了 U-Net++ 在肺部图像分割中的结果和性能，发现使用分割后的肺部图像进行分类算法，能提高识别肺结核的可能性。
• Timor Kadir 等人的研究 ：提供了主要肺癌预测模型的结构、特点和缺点，探讨了此类策略开发和验证中的挑战以及医疗应用的途径。
• Chaunzwa 等人的研究 ：提出了一种放射组学方法，用于从常规 CT 信息中预测非小细胞肺癌（NSCLC）的肿瘤组织学，发现使用 ML 分类器（如 KNN 和 SVM）在 CNN 提取的定量放射组学特征上能产生相当的判别性能。
• Saleh 等人的研究 ：提出了一种基于混合 CNN 算法和