Key points are not available for this paper at this time.
초록 유연한 기관지경 검사는 호흡기 질환 진단에 혁신을 가져왔습니다. 이는 폐암 병변을 포함한 기도 이상을 직접 시각화하고 발견할 수 있는 기회를 제공합니다. 유연한 기관지경 검사 중 기도 병변의 정확한 식별은 폐암 진단에서 중요한 역할을 합니다. 인공지능(AI)의 적용은 의사가 기관지경 이미지 내에서 해부학적 랜드마크와 폐암 병변을 인식하는 것을 지원하는 것을 목표로 합니다. 본 연구는 106명의 폐암 환자와 102명의 비폐암 환자를 포함하는 풍부한 기관지경 데이터셋인 BM-BronchoLC의 개발을 설명합니다. 이 데이터셋은 베트남 바크 마이 병원의 선임 의사들이 세심하게 수행한 해부학적 랜드마크와 병변에 대한 자세한 위치 지정 및 범주 주석을 포함합니다. 데이터셋의 품질을 평가하기 위해 우리는 이미지 분할 및 분류 작업에서 단일 작업 및 다중 작업 학습 패러다임을 가진 두 가지 일반적인 AI 백본 모델, 즉 UNet++와 ESFPNet을 평가합니다. 우리는 BM-BronchoLC를 기관지경 데이터에서 해부학적 랜드마크 및 폐암 병변에 대한 진단 정확성을 지원하기 위한 AI 모델 개발의 참조 데이터셋으로 제시합니다.
Vu et al. (Thu,)는 이 질문을 연구했습니다.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: