폐암 검출을 위한 최적화된 합성곱 신경망 구조

폐암은 인체의 호흡기 계통에 영향을 미치는 교활한 악성종양으로, 개인의 건강과 웰빙에 치명적인 영향을 미칩니다. 자동화되고 비침습적인 진단 도구의 부족으로 인해 의료 전문가는 생검을 기준으로 진단에 의존하고 있습니다. 그러나 생검은 외상적이고 비용이 많이 드는 절차일 수 있습니다. 또한, 데이터 세트의 제한된 가용성과 진단의 부정확성은 연구자들이 경험하는 주요 단점입니다. 제안된 연구의 목표는 최적화된 하이퍼파라미터를 사용하여 폐암의 선별을 위한 자동화된 진단 도구를 개발하는 것으로, 합성곱 신경망(CNN) 모델이 폐 병리학의 보편적으로 획득한 컴퓨터 단층촬영(CT) 슬라이스에 잘 일반화되도록 합니다. 앞서 언급한 목표는 다음과 같은 방법으로 달성됩니다: (i) 처음에는 무작위 이미지 블러로 인한 정보 손실을 방지하기 위해 폐 CT 스캔에 특화된 전처리 방법론을 설정하고, (ii) CNN 모델에 사인 코사인 알고리즘 최적화 알고리즘(SCA)을 통합하여 CNN의 조정 매개변수를 최적으로 선택합니다. 오차율이 목표 함수로 사용되며, SCA 알고리즘은 이를 최소화하려고 시도합니다. 제안된 방법은 정상, 양성 및 악성 클래스로 폐 스캔을 분류하는 데 평균 99%의 분류 정확도를 성공적으로 달성했습니다. 또한, 제안된 모델의 일반화 능력은 보지 못한 데이터 세트에서 테스트되어 유망한 결과를 얻었습니다. 정량적 결과는 방사선의사가 임상 상황에서 사용할 수 있는 시스템의 효능을 입증합니다.