CT-skanning (datortomografi) är i grunden en röntgenbild, som kan användas för att ge läkare en detaljerad bild av våra inre organ, och kan vanligtvis diagnostisera olika former av cancer. Tidigare hindrades användningen av CT för att diagnostisera levercancer i viss utsträckning av förändringar i form och struktur hos individuella levrar och likheten mellan vävnader i intilliggande organ i CT-bilder.
Amita Das från Technical Education and Research Institute vid Institutionen för elektronik- och kommunikationsteknik vid Siksha'O'Anusandhan University i Orissa, samt elektroteknik vid SCB Medical School och DY Patil Ramrao Adik Institute of Technology i Nerul, New Mumbai. avdelningen har utvecklat en ny texturanalysteknik baserad på adaptiv fuzzy clustering, som kan användas för att klassificera buken CT-skanningar för att diagnostisera levercancer. Denna metod är baserad på den extraherade strukturen, morfologin och statistiska egenskaperna från skanningen och använder dem som input, vilket kan bedöma det neurala nätverksklassificeraren för att skilja mellan godartade och maligna levertumörer.
Idag testade de sin metod med en serie på 45 bilder och studerade känslighet, specificitet och noggrannhet. Teamet kunde uppnå nästan 99% noggrannhet vid detektering av tumörer, och detta resultat är redan mycket bra. Forskarnas nästa plan är att tillhandahålla mer data och utbildning för systemet, och därigenom ytterligare förbättra teknikens tillförlitlighet och utveckla en automatisk diagnosmetod som inte har möjlighet till mänskliga fel.
https://medicalxpress.com/news/2018-10-automated-liver-cancer.html