Osamah TY -的A2思•易卜拉欣盟——冯所盟——江,小君PY - 2022 DA - 2022/01/19 TI -深上优于胸部CT图像特征诊断肺癌的SP - 4153211六世- 2022 AB -本研究旨在评估深learning-optimized胸部CT的诊断价值的肺癌患者。90名患者被诊断出患有肺癌的手术或穿刺在医院被选为研究对象。面具地区卷积神经网络(Mask-RCNN)模型是一个典型的端到端图像分割模型,和双路径网络(DPN)在结节检测。结果表明,DPN算法模型的准确性发现肺癌患者肺部病变为88.74%,肺癌的CT诊断的准确率为88.37%,敏感性为82.91%,特异性为87.43%。深上优于CT检查结合血清肿瘤检测、保理成Neurospecific烯醇酶(N S E)、细胞角蛋白19片段(CYFRA21)、癌胚抗原(CEA)和鳞状细胞癌(SCC)抗原,提高了准确性为97.94%,敏感性为98.12%,特异性为100%,所有显示显著差异( P < 0.05 )。总之,这项研究提供了一个科学依据改善肺癌CT成像的诊断效率和理论支持后续的肺癌诊断和治疗。SN - 1748 - 670 - 2022/4153211 / 10.1155 x你——https://doi.org/10.1155/2022/4153211——摩根富林明——计算和数学方法在医学PB - Hindawi KW - ER