通过使用卷积神经网络和数据增强的图像分析检测肺癌相关病理的人工智能算法：文献的系统映射

arXiv:2609.10652v1 发布类型：新 摘要：肺癌是全球范围内导致死亡的主要原因之一，其早期诊断对于改善患者预后和生活质量至关重要。然而，解读医学图像以检测肺癌的过程很复杂，需要训练有素的专家。在这种背景下，人工智能 (AI) 和深度学习 (DL) 成为自动化和优化图像分析的潜在工具。这项工作的目的是回顾人工智能和深度学习在肺癌检测放射学领域的最新相关应用。为此，我们在 PubMed、IEEEXPLORE、Scopus 和 Web of Science 等科学数据库中进行了详尽的搜索，选出了 2015 年至今发表的 96 篇关于人工智能和深度学习在生物医学工程中的应用的文章。重点是使用卷积神经网络 (CNN) 以及迁移学习和数据增强作为提高图像解释过程的准确性和效率的有前途的技术。结果表明，AI和DL的使用可以为肺癌的早期诊断提供有效的替代方案，具有较高的敏感性和特异性。然而，还确定了当前必须解决的限制和挑战，以保证其在临床实践中负责任和安全的应用，例如缺乏标准化数据、模型的可解释性、患者隐私以及伦理和社会影响。结论是，人工智能和深度学习的使用可以对肺癌患者的护理产生积极影响，但需要进一步的研究和监管以确保其质量和可靠性。