Key points are not available for this paper at this time.
फेफड़े के कैंसर के रोगियों की बढ़ती घटना दर के साथ, प्रारंभिक निदान मृत्यु दर को कम करने में मदद कर सकता है। हालांकि, कैंसरग्रस्त घावों की सटीक पहचान बहुत चुनौतीपूर्ण है, जैसे कम विपरीत विविधता, विषमलैंगिकता और सौम्य और घातक नोडलों के बीच दृश्य समानता। गहरे अध्ययन की तकनीकें प्राकृतिक छवि विभाजन में प्रभावशाली रही हैं, जो पहले未 देखी गई स्थितियों के लिए मजबूत, उचित स्केल अविश्वास और यहां तक कि छोटी भिन्नताओं का पता लगाने की क्षमता के साथ हैं। हालांकि, ये आम तौर पर सीमित मात्रा में उपलब्ध डेटा और इन तकनीकों की डोमेन-ज्ञानी प्रकृति के कारण डोमेन-विशिष्ट विशेषताओं को सीखने में असफल रहती हैं। यह काम फेफड़े के कैंसर विभाजन और वर्गीकरण के लिए एक एंसेंबल ढांचा Deep3DSCan प्रस्तुत करता है। गहरा 3D विभाजन नेटवर्क रोगियों के गणना टोमोोग्राफी स्कैन से रुचि का 3D वॉल्यूम उत्पन्न करता है। गहरे विशेषताएँ और हस्तनिर्मित वर्णक क्रमशः एक ठीक से समायोजित अवशिष्ट नेटवर्क और आकृति विज्ञान तकनीकों का उपयोग करके निकाली जाती हैं। अंततः, मिश्रित विशेषताओं का उपयोग कैंसर वर्गीकरण के लिए किया जाता है। प्रयोग सार्वजनिक रूप से उपलब्ध LUNA16 डेटासेट पर किए गए थे। विभाजन के लिए, लेखकों ने 0.927 की सटीकता हासिल की, जो कि टेम्पलेट मेलिंग तकनीक पर महत्वपूर्ण सुधार है, जिसने 0.927 की सटीकता प्राप्त की थी। पहचान के लिए, पिछले राज्य-ऑफ-द-आर्ट 0.866 है, जबकि हमारा 0.883 है।
बंसल एट अल. (मंगल,) ने इस प्रश्न का अध्ययन किया।