Lungentumordetektion mit einem modifizierten Convolutional Neural Network (CNN)

Die Bildverarbeitung wird verwendet, um Lungenscans mit bösartigen oder normalen Knoten zu klassifizieren. Die Methode des Convolutional Neural Networks (CNN) wird häufig zur Klassifizierung von Bildern eingesetzt. Diese Studie verwendet eine modifizierte CNN-Architektur mit verschiedenen Schichten, Filtern, Batch-Größen, Dropout- und Epoch-Werten. Variationen wurden vorgenommen, um den besten Genauigkeitswert zu bestimmen und den Überanpassungswert der vorgeschlagenen CNN-Architektur zu reduzieren. Diese Studie implementiert die Methode unter Verwendung der Keras-Bibliothek mit der Programmiersprache Python. Die Daten liegen in Form von CT-Scan-Bildern von Lungenkrebs und normalen Lungen vor. Die Ergebnisse mehrerer Experimente des vorgeschlagenen Modells ergeben einen Genauigkeitswert von 95 % mit drei Schichten, 128 Filtern in der ersten Schicht, 256 in der zweiten Schicht und 512 Filtern in der dritten Schicht, dann mit einer Batch-Größe von 32 und einem Dropout von 0,5.