Resumen

El cáncer de pulmón se encuentra entre los tipos más comunes de cáncer. El diagnóstico asistido por computadora no invasivo puede permitir el tamizaje rápido a gran escala de posibles pacientes con cáncer de pulmón. Los métodos de aprendizaje profundo ya se han aplicado para el diagnóstico automático de cáncer de pulmón en el pasado. Debido a las restricciones causadas por imágenes de conjunto de datos de una sola modalidad, así como la falta de enfoques que permitan una extracción confiable de características detalladas de diferentes modalidades de imágenes, la investigación sobre el diagnóstico automatizado de cáncer de pulmón basado en imágenes clínicas no invasivas requiere más estudio. En este documento, presentamos una arquitectura de aprendizaje profundo que combina la característica detallada de imágenes PET y CT que permiten el diagnóstico no invasivo de cáncer de pulmón. Se utiliza un mecanismo de atención multidimensional (en cuanto a los canales y dimensiones espaciales) para reducir eficaz

• Materias:Big Data Gestión de riesgos Administración de información Red neuronal Teoría de redes
• Subjects:Big Data Risk management Information management Neural network Network Theory
• Palabras claves:Cáncer de pulmón; Diagnóstico no invasivo; Aprendizaje profundo; Modalidades de imagen; Extracción de características; Mecanismo de atención
• Keywords:Lung cancer; Noninvasive diagnosis; Deep learning; Imaging modalities; Feature extraction; Attention mechanism