血管医学与外科杂志

抽象的

医生之间的肺癌自动检测比较：文献综述

卡维亚·萨蒂亚库玛 (Kaviya Sathyakumar)、迈克尔·穆尼奥斯 (Michael Munoz)、斯内哈尔·班索德 (Snehal Bansod)、贾卡兰·辛格 (Jaikaran Singh)、贾斯敏·洪达尔 (Jasmin Hundal)、B·本森·A·巴布 (B Benson A. Babu)

简介：肺癌是美国乃至全世界癌症相关死亡的首要原因。放射科医生和内科医生每天的工作量很大，因此极有可能精疲力竭。为了减轻这种负担，本文献综述比较了四种不同的 AI 模型在肺癌结节癌检测中的表现，以及它们对内科医生/放射科医生的表现。

方法：提取 2008 年至 2019 年的 648 篇文章。从 648 篇文章中选取 4 篇。纳入标准：18-65 岁、胸部 CT 扫描、肺结节、肺癌、深度学习、集成和经典方法。排除标准：年龄大于 65 岁、PET 混合扫描、CXR 和基因组学。结果分析：敏感性、特异性、准确性、敏感性-特异性 ROC 曲线、曲线下面积 (AUC)。数据库：PubMed/MEDLINE、EMBASE、Cochrane 图书馆、Google Scholar、Web of science、IEEEXplore、DBLP。

结论：混合深度学习架构是最先进的架构，具有高性能准确度和低假阳性报告。未来的研究将深入比较每个模型的准确度，这将很有价值。自动化医生辅助系统（例如这种混合架构）可能有助于保持高质量的医患关系并减少医生的倦怠。