肺がんの検出に向けた深い学習アンサンブル2D CNNアプローチ

最近では、深い学習は医学科学の研究を支援するための優れたリソースとして浮上しています。人間のさまざまな病気を暴露および予測するために、コンピューターサイエンスの助けを借りて多くの作業が行われています。この研究では、ディープラーニングアルゴリズムの畳み込みニューラルネットワーク（CNN）を使用して、モデルに与えられたさまざまなCTスキャン画像から癌性の可能性のある肺結節を検出します。この作業では、肺結節検出の問題に対処するためにアンサンブルアプローチが開発されました。1つの深い学習モデルのみを使用する代わりに、2つ以上のCNNのパフォーマンスを組み合わせて、それらがより正確に結果を実行および予測できるようにしました。Luna 16 Grand Challenge Datasetが利用されています。これは、Webサイトでオンラインで入手できます。データセットは、各CTスキャンに関するデータと情報をよりよく理解する注釈付きのCTスキャンで構成されています。ディープラーニングは、脳ニューロンが機能するのと同じように機能します。したがって、深い学習は人工ニューラルネットワークに基づいています。深い学習モデルをトレーニングするために、広範なCTスキャンデータセットが収集されます。CNNは、データセットを使用して準備され、癌および非癌性画像を分類します。ディープアンサンブル2D CNNが使用する一連のトレーニング、検証、およびテストデータセットが開発されています。ディープアンサンブル2D CNNは、異なるレイヤー、カーネル、プーリングテクニックを備えた3つの異なるCNNで構成されています。ディープアンサンブル2D CNNは、95％の組み合わせ精度で素晴らしい結果をもたらしました。これはベースライン法よりも高いです。

In recent times, deep learning has emerged as a great resource to help research in medical sciences. A lot of work has been done with the help of computer science to expose and predict different diseases in human beings. This research uses the Deep Learning algorithm Convolutional Neural Network (CNN) to detect a Lung Nodule, which can be cancerous, from different CT Scan images given to the model. For this work, an Ensemble approach has been developed to address the issue of Lung Nodule Detection. Instead of using only one Deep Learning model, we combined the performance of two or more CNNs so they could perform and predict the outcome with more accuracy. The LUNA 16 Grand challenge dataset has been utilized, which is available online on their website. The dataset consists of a CT scan with annotations that better understand the data and information about each CT scan. Deep Learning works the same way our brain neurons work; therefore, deep learning is based on Artificial Neural Networks. An extensive CT scan dataset is collected to train the deep learning model. CNNs are prepared using the data set to classify cancerous and non-cancerous images. A set of training, validation, and testing datasets is developed, which is used by our Deep Ensemble 2D CNN. Deep Ensemble 2D CNN consists of three different CNNs with different layers, kernels, and pooling techniques. Our Deep Ensemble 2D CNN gave us a great result with 95% combined accuracy, which is higher than the baseline method.