تحلیل دقت معماری های یادگیری ماشین در شناسایی و طبقه بندی سرطان ریه با تاکید بر کاربرد هوش مصنوعی در تصویربرداری پزشکی

استفاده از هوش مصنوعی (AI) در تصویربرداری تشخیصی، پزشکی به ویژه در شناسایی و طبقه بندی سرطان ریه، توجه قابل توجهی را در سالهای اخیر به خود جلب کرده است. این مطالعه یک مرور نظام مند بر مقالات منتشر شده تا دسامبر ۲۰۲۲ انجام می دهد که در آن دقت تشخیصی معماری های یادگیری ماشین (ML) در تشخیص و طبقه بندی سرطان ریه ارزیابی شده اند. نتایج حاصل از ۹ مطالعه منتخب نشان می دهد که الگوریتم های ML از جمله شبکه های عصبی مصنوعی، ماشین بردار پشتیبان، و الگوریتم های جنگل تصادفی توانسته اند با دقت بالا سرطان های ریه سلول کوچک (SCLC) و غیر سلول کوچک (NSCLC) را شناسایی کنند. حساسیت الگوریتم ها بین ۰.۸۱ تا ۰.۹۹ و ویژگی از ۰.۴۶ تا ۱.۰۰ گزارش شده است. مقاله حاضر بر پتانسیل هوش مصنوعی در تشخیص دقیق سرطان ریه تاکید کرده و به چالش ها و مسیرهای آینده تحقیق در این زمینه می پردازد.

کلیدواژه ها:

هوش مصنوعی ، یادگیری ماشین ، سرطان ریه ، تشخیص پزشکی ، مرور نظام مند