Resumen

El cáncer de pulmón es uno de los tipos de cáncer más frecuentes. Para la supervivencia del paciente, es crucial la detección precoz del cáncer de pulmón con el mejor método de tratamiento. En este estudio, proponemos un novedoso proceso asistido por ordenador sobre tomografía computarizada (TC) para el diagnóstico precoz del cáncer de pulmón gracias a la clasificación de nódulos benignos y malignos. El proceso propuesto consta de cuatro etapas. En las etapas de preprocesamiento, las imágenes de TC se mejoran y los volúmenes pulmonares se extraen de la imagen con la ayuda de un método novedoso denominado método de extracción del volumen pulmonar (LUVEM). La importancia del proceso propuesto radica en el uso de LUVEM para extraer la región pulmonar. En la etapa de detección de nódulos, los nódulos candidatos se determinan según el método basado en la transformada circular de Hough (CHT). A continuación, los nódulos pulmonares se segmentan con mapas autoorganizados (SOM). En la etapa de cálculo de características, se utilizan la intensidad, la forma, la textura, la energía y características combinadas para la extracción de características, y el análisis de componentes principales (ACP) para la etapa de reducción de características. En la etapa final, la red neuronal probabilística (PNN) clasifica los nódulos benignos y malignos. Según los experimentos realizados con nuestro conjunto de datos, el sistema de canalización propuesto puede clasificar los nódulos benignos y malignos con una precisión del 95,91% y una sensibilidad del 97,42%. con una precisión del 95,91%, una sensibilidad del 97,42% y una especificidad del 94,24%. Incluso en casos de nódulos de pequeño tamaño (3-10 mm), el sistema propuesto puede determinar el tipo de nódulo con una precisión del 94,68%. de precisión.

• Materias:Señales orofaciales Clasificación del cáncer Terapia de exposición Resonancias magnéticas Medicina de precisión
• Subjects:Orofacial signals Cancer classification Exposure therapy Magnetic resonance imaging Precision medicine
• Palabras claves:pipeline, nódulos malignos, método de extracción de volumen pulmonar, mejor método de tratamiento, tipos de cáncer comunes, etapa de cálculo de características, etapa de reducción de características, cáncer de pulmón gracias, etapa de detección de nódulos, análisis de componentes principales
• Keywords:pipeline, malign nodules, lung volume extraction method, best treatment method, common cancer types, feature computation stage, feature reduction step, lung cancer thanks, nodule detection stage, principal component analysis