logo móvil
Contáctanos

Clasificación de nódulos pulmonares utilizando redes neuronales convolucionales basadas en Taguchi para imágenes de tomografía computarizada

Autores: Lin, Cheng-Jian; Li, Yu-Chi

Idioma: Inglés

Editor: MDPI

Año: 2020

Descargar PDF

Acceso abierto

Artículo científico
2020

Clasificación de nódulos pulmonares utilizando redes neuronales convolucionales basadas en Taguchi para imágenes de tomografía computarizada


Categoría

Ingeniería y Tecnología

Subcategoría

Ingeniería Eléctrica y Electrónica

Palabras clave

Cáncer de pulmón
Nódulos malignos
Red neuronal convolucional
Método Taguchi
Enfoque de tratamiento óptimo
Precisión

Licencia

CC BY-SA – Atribución – Compartir Igual

Consultas: 29

Citaciones: Sin citaciones


Descripción
El cáncer de pulmón ocurre en los pulmones, tráquea o bronquios. Este cáncer suele ser causado por nódulos malignos. Estas células cancerosas se propagan incontrolablemente a otros órganos del cuerpo y representan una amenaza para la vida. Una evaluación precisa de la gravedad de la enfermedad es fundamental para determinar el enfoque de tratamiento óptimo. En este estudio, se propuso una red neuronal convolucional (CNN) basada en Taguchi para clasificar los nódulos en malignos o benignos. Para establecer parámetros en una CNN, la mayoría de los usuarios adoptan el método de prueba y error para determinar los parámetros estructurales. Este estudio utilizó el método Taguchi para seleccionar factores preliminares. El diseño de tabla ortogonal se utiliza en el método Taguchi. Se determinó la combinación óptima final de parámetros, así como los parámetros más significativos. Para verificar el método propuesto, se utilizó el conjunto de datos de imágenes pulmonares de la base de datos del consorcio del Instituto Nacional del Cáncer para el análisis. La base de datos contiene un total de 16,471 imágenes, incluidas 11,139 imágenes de nódulos malignos. Los resultados experimentales demostraron que el método propuesto con la combinación óptima de parámetros obtuvo una precisión del 99.6%.

Otros recursos que podrían interesarte

Temas Virtualpro