A data-driven and a feature-driven hybrid, digital-neural, diagnostic computer-based (N. CADx) processing architecture has been developed for early detection and classification of small size cancerous lung nodules (as small as 3 to 5 millimeters) found in digitized chest radiographs. The developed N. CADx architectures employ digital image processing and image enhancement techniques for the localization of suspected nodule areas, which subsequently are classified by trained neural networks. These N. CADx architectures were tested and have demonstrated over 80% sensitivity and 70% specificity (approximately 1.5 false-positives per image). They are flexible, extensible and problem independent, and therefore more generally applicable to a wide variety of medical and industrial
problems of difficult diagnostic tasks in cluttered 2D
environments.
Μελετώνται μέθοδοι έγκαιρης διάγνωσης του καρκίνου με οικονομικώς ανεξάρτητα προσιτά μέσα και με υψηλή διαγνωστική αξιοπιστία. Για το σκοπό αυτό αναπτύχθηκαν μέθοδοι ψηφιακής-νευρωνικής τεχνολογίας με υψηλή διαγνωστική αξία, για την έγκαιρη διάγνωση ασυμπτωματικών
μικρών ογκιδίων του καρκίνου των πνευμόνων. Τα οικονομικά και κοινωνικά οφέλη που υπόσχεται
η πρακτική διαθεσιμότητα ενός τέτοιου αυτοματοποιημένου διαγνωστικού συστήματος, του οποίου οι βαθμίδες και οι βασικές του λειτουργίες περιγράφονται, είναι ανυπολόγιστα.
