Bilgisayarlı tomografi taramalarında akciğer nodülü yorumlamaları için bilgisayar destekli tanı sistemi değerlendirme ve analizi

Akciğer kanseri teşhisi sürecinde BT taramalarından nodüllerin kötü huyluluğunu tahmin etmek radyologlar için karmaşık bir süreçtir. Bilgisayar Destekli Tanı Sistemleri, lezyonları doğru şekilde tanımlamak için radyologlara ikinci bir fikir verir. BDT sistemi geliştirirken göz önünde bulundurulması gereken en önemli nokta anlaşılır ve tutarlı bir veri tabanıdır. Lung Image Database Konsorsiyumu (LIDC) veri tabanı, araştırmacılara dört radyoloğun nodüllerin karakteristik özellikleri ve konumları ile ilgili değerlendirmelerini içeren BT taramaları sunar. Kötü huyluluk 5 ayrı derecelendirme ile değerlendirilmiştir: Yüksek ve orta olasılıkla iyi huylu, belirsiz, orta ve yüksek olasılıkla kötü huylu. Bu çalışmada, SVM, RF ve ANN sınıflandırıcılarının performansı 1018 vaka, 907 nodül ve 110 özellik kullanılarak karşılaştırılmıştır. Deneysel sonuçlar, en iyi performans gösteren sınıflandırıcıların malignite tahmininde sırasıyla ANN, SVM ve RF olduğunu göstermektedir. LIDC veri tabanının en kritik eksiği, biyopsi sonuçlarının bulunmaması nedeniyle standart referans verisinin olmamasıdır. Bu nedenle, standart referansın belirlenmesinde ortalama oylama kullanılmıştır. Öte yandan, radyologların malignite sonuçlarının gruplandırılmasının sınıflandırma sonuçların doğruluğunu artırdığı görülmektedir. Sınıflandırıcılar, malignite veri kümeleri üzerinde 5 sınıf, 3 sınıf (iyi huylu, belirsiz, kötü huylu) ve 2 sınıf (iyi huylu, kötü huylu) olmak üzere test edilmiştir. Deneyler, radyologların malignite derecelendirmelerini gruplamanın, sınıflandırma performansını arttırdığını göstermektedir. Sonuçlar, orta ve yüksek derecede kötü huylu gibi ara değerlendirmelerinin sınıflandırma performansını olumsuz yönde etkilediğini göstermektedir. Buna rağmen, iyi huylu ve kötü huylu adı altında iki sınıf kullanılması, doğruluk oranını 98%'e kadar arttırmaktadır.