[논문 리뷰] Evaluating LeNet Algorithms in Classification Lung Cancer from Iraq-Oncology Teaching Hospital/National Center for Cancer Diseases

Jafar Abdollahi|arXiv (Cornell University)|2023. 05. 19.

Radiomics and Machine Learning in Medical Imaging인용 수 5

한 줄 요약

이 연구는 이라크-종양학 교육병원 및 국립암질병센터에서 수집한 CT 영상 자료를 바탕으로 LeNet 기반의 합성곱 신경망(CNN)이 폐암을 분류하는 데 평가된다. IQ-OTH/NCCD 데이터셋을 사용하여 모델은 99.51%의 정확도, 93%의 민감도, 95%의 특이도를 기록하였으며, 높은 정밀도로 폐 종양을 탐지하는 데 있어 기존 방법들을 능가하였다.

ABSTRACT

The advancement of computer-aided detection systems had a significant impact on clinical analysis and decision-making on human disease. Lung cancer requires more attention among the numerous diseases being examined because it affects both men and women, increasing the mortality rate. LeNet, a deep learning model, is used in this study to detect lung tumors. The studies were run on a publicly available dataset made up of CT image data (IQ-OTH/NCCD). Convolutional neural networks (CNNs) were employed in the experiment for feature extraction and classification. The proposed system was evaluated on Iraq-Oncology Teaching Hospital/National Center for Cancer Diseases datasets the success percentage was calculated as 99.51%, sensitivity (93%) and specificity (95%), and better results were obtained compared to the existing methods. Development and validation of algorithms such as ours are important initial steps in the development of software suites that could be adopted in routine pathological practices and potentially help reduce the burden on pathologists.

연구 동기 및 목표

• CT 영상에 기반한 자동 폐암 검출을 위한 딥러닝 모델을 개발하고 검증한다.
• AI 기반 분류를 통해 진단 정확도를 향상시키고 병리학자들의 업무 부담을 줄인다.
• 이라크의 실질 임상 데이터셋에서 LeNet 아키텍처의 성능을 평가한다.
• 일상 병리 진료에 적용 가능한 소프트웨어 도구 개발에 기여한다.

제안 방법

• LeNet 기반의 합성곱 신경망(CNN)은 공개된 IQ-OTH/NCCD 데이터셋의 CT 영상 이미지에서 훈련되었다.
• 특징 추출 및 분류 작업은 CNN의 계층적 합성곱 및 완전 연결 계층을 통해 수행되었다.
• 모델는 이라크-종양학 교육병원 및 국립암질병센터에서 확보한 데이터셋을 기반으로 훈련 및 검증되었다.
• 폐 종양 탐지 성능을 최적화하기 위해 하이퍼파rameter가 조정되었다.
• 모델의 강건성 평가를 위해 정확도, 민감도, 특이도 등의 평가 지표가 사용되었다.

실험 결과

연구 질문

• RQ1 LeNet 기반의 CNN은 실질 임상 환경에서 CT 영상으로부터 폐암을 분류하는 데 높은 정확도를 달성할 수 있는가?
• RQ2 LeNet 모델의 성능은 기존 방법들과 비교하여 폐암 검출에서 어떻게 다른가?
• RQ3 자동 분류를 통해 병리학자들의 진단 부담을 어느 정도 줄일 수 있는가?
• RQ4 이 모델은 이라크의 지역 임상 데이터셋에 적용되었을 때 민감도와 특이도가 각각 얼마인가?

주요 결과

• LeNet 기반 모델은 이라크-종양학 교육병원/국립암질병센터 데이터셋에서 분류 정확도 99.51%를 기록하였다.
• 모델는 93%의 민감도를 보였으며, 이는 폐 종양에 대한 강력한 탐지 능력을 의미한다.
• 특이도는 95%에 도달하여 비암성 사례에서 낮은 위양성 비율을 보였다.
• 전반적인 정확도 및 균형 잡힌 성능 지표 측면에서 기존 방법들을 능가하는 성능을 보였다.