Konvoluutioneuroverkot keuhkosyövän diagnosoinnissa CT-kuvista

Abstract

Koneoppimisen kehityksen myötä syväoppimismenetelmistä on tullut entistä tehokkaampia työkaluja lääketieteellisessä kuvankäsittelyssä. Syväoppimiseen perustuvat konvoluutioneuroverkot on suunniteltu erityisesti kuvien ja visuaalisten tietojen analysointiin ja tunnistamiseen. Tämä tutkielma on kirjallisuuskatsaus, jonka tarkoituksena on selvittää, miten konvoluutioneuroverkkoja voidaan hyödyntää tietokonetomografiakuvien analysointiin ja keuhkosyövän tunnistukseen, mitä haasteita ja hyötyjä konvoluutioneuroverkot kohtaavat keuhkosyövän diagnosoinnissa. Tutkimustuloksista käy ilmi, että konvoluutioneuroverkkoja ja niistä kehitettyjä malleja voidaan käyttää keuhkosyövän segmentointiin, tunnistamiseen ja luokitteluun. Konvoluutioneuroverkkoja voidaan käyttää lisäksi keuhkosyövän levvinneisyysasteen määrittämiseen, mitä on vähemmän tutkittu. Konvoluutioneuroverkot voivat parantaa luokittelu ja tunnistus tarkkuutta sekä nopeuttaa diagnosointiprosessia, mutta haasteina ovat skannausten kohina, artefaktit, syövän varheisempien vaiheiden piirteiden samankaltaisuus terveeseen kudokseen sekä keuhkosyöpä kuvien vähäisyys. Näiden haasteiden seurauksena konvoluutioneuroverkkoja ei voida hyödyntää vielä kliinisessä käytännössä.