A Review of Deep Learning Techniques for Lung Cancer Screening and Diagnosis Based on CT Images
(Thanoon et al., 2023)
Abstract
One of the most common and deadly diseases in the world is lung cancer. Only early identification of lung cancer can increase a patient’s probability of survival. A frequently used modality for the screening and diagnosis of lung cancer is computed tomography (CT) imaging, which provides a detailed scan of the lung. In line with the advancement of computer-assisted systems, deep learning techniques have been extensively explored to help in interpreting the CT images for lung cancer identification. Hence, the goal of this review is to provide a detailed review of the deep learning techniques that were developed for screening and diagnosing lung cancer. This review covers an overview of deep learning (DL) techniques, the suggested DL techniques for lung cancer applications, and the novelties of the reviewed methods. This review focuses on two main methodologies of deep learning in screening and diagnosing lung cancer, which are classification and segmentation methodologies. The advantages and shortcomings of current deep learning models will also be discussed. The resultant analysis demonstrates that there is a significant potential for deep learning methods to provide precise and effective computer-assisted lung cancer screening and diagnosis using CT scans. At the end of this review, a list of potential future works regarding improving the application of deep learning is provided to spearhead the advancement of computer-assisted lung cancer diagnosis systems.
Español
Una revisión de las técnicas de aprendizaje profundo para el tamizaje y diagnóstico de cáncer de pulmón basado en imágenes de TAC.
Resumen
Una de las enfermedades más comunes y mortales del mundo es el cáncer de pulmón. La probabilidad de supervivencia del paciente solo puede incrementarse mediante la identificación temprana del cáncer de pulmón. Una modalidad frecuentemente usada para el tamizaje y diagnóstico de cáncer de pulmón es la imagenología por tomofragía axial computarizada (TAC), la cual provee un escaneo detallado del pulmón. A la par del avance de los sistemas asistidos por computadoras, se han explorado las técnicas de aprendizaje profundo para ayudar en la interpretación de imágenes de TAC para identificar el cáncer de pulmón. Esta revisión cubre una visión general de las técnicas de aprendizaje profundo (deep learning, DL), las técnicas de DL sugeridas para las aplicaciones de cáncer de pulmón y las novedades de los métodos revisados. Esta revisión se enfoca en dos metodologías principales de aprendizaje profundo en el tamizaje y diagnóstico de cáncer de pulmón, que son las metodologías de clasificación y segmentación. También se discuten las ventajas y limitaciones de los modelos de aprendizaje profundo actuales. El análisis resultante demuestra que los métodos de aprendizaje profundo tienen un potencial significativo de proveer tamizajes y diagnósticos de cáncer de pulmón asistidos por computadora efectivos y precisos utilizando TAC. Al final de esta revisión, se otorga una lista de trabajos futuros potenciales con respecto a la aplicación del aprendizaje profundo para encabezar el avance de los sistemas de diagnóstico de cáncer de pulmón asistidos por computadora.