新算法提高了肺肿瘤识别的准确性和速度

阿尔伯塔大学计算科学家开发的神经网络性能优于其他实时跟踪肿瘤的先进方法，这可以改善放射治疗。阿尔伯塔大学的计算机科学家已经开发出一种神经网络，其性能优于其他通过MRI扫描识别肺部肿瘤的最新方法，这一进步可以帮助减少放射治疗过程中对健康组织的损害。

“可以使用我们实验室中开发的算法来生成特定于患者的模型，以进行诊断和手术治疗，”美国大学思科医疗解决方案研究主席Pierre Boulanger解释说。

“针对特定患者的模型有助于进行手术计划。但是，为了创建这样的模型，人们需要获取医学成像数据并将其转换为可以模拟的东西。”他补充说。

Boulanger指出，使用MRI扫描靶向肺部肿瘤特别具有挑战性，因为随着患者的呼吸，肿瘤会明显移动，并且扫描可能难以解释。

他说：“扫描结果中的肿瘤区域可能非常微妙，甚至一旦被识别，就需要随着时间的推移随着呼吸运动而追踪。” “新算法能够结合多种可能性，以找到最佳描述符，以识别扫描中不健康的区域。”

研究人员通过一系列MRI扫描对神经网络进行“训练”，医生们在其中识别出了肺肿瘤。然后，它处理了大量图像，以了解肿瘤的外观以及它们共有的特性。然后针对可能包含或不包含肿瘤的扫描进行测试。

一旦训练了神经网络，研究人员就将这两种系统与专家放射肿瘤学家进行的手动肿瘤识别相比较，从而将其与另一项最新开发的技术进行了对比测试。在研究人员使用的每种评估方法中，新算法的性能均优于其他最新技术。

尽管神经网络可能对识别肿瘤至关重要，但Boulanger指出，它们不会取代医生的需求以及人类高水平思维在全面治疗患者方面的重要性。

他说：“这些工具旨在与熟练的专业人员一起改善医疗效果，并有助于加快手术过程。”

“作为一个领域，医学一直在寻求进一步发展，以提高患者的护理质量。神经网络是可以帮助实现该目标的工具。”

新算法是与计算机科学系的Nazanin Tahmasebi以及放射学和诊断成像学系的Kumaradevan Punithakumar和Michelle Noga 合作开发的。

这项名为“用于MRI肺肿瘤边界追踪的全卷积深度神经网络”的研究成果发表在 IEEE医药与生物学工程学第40届年度国际会议论文集上。

郑重声明：本文版权归原作者所有，转载文章仅为传播更多信息之目的，如有侵权行为，请第一时间联系我们修改或删除，多谢。