摘要
肺癌是全球范围内导致癌症相关死亡的最主要原因，而早期且准确的检测对于改善患者预后至关重要。本研究利用IQ-OTH/NCCD CT扫描图像，构建了一种优化的计算机辅助诊断框架，用于肺癌的检测。为提取深层特征并提升诊断准确性，研究采用了由预训练的卷积神经网络（CNN）组成的加权几何平均（WGM）模型集——即LCD-VRD模型，该模型包括VGG16、ResNet50V2和DenseNet121——这类模型具备强大的特征提取能力与泛化性能，能够准确区分正常、良性及恶性（癌变）病例。为有效解决数据不平衡问题并减少模型过拟合现象，研究采用了实时数据增强技术以及严格的类别加权策略。实验结果显示，该WGM模型集的准确率为97.27%，F1分数为97.24%，表现极为优异。此外，研究还通过对CT图像应用梯度加权类激活映射技术，实现了对与模型预测相关的图像区域的可视化分析。虽然该框架有望成为一种有效的肺癌自动诊断工具，但其有效性目前仅在IQ-OTH/NCCD数据集上得到验证。若要充分证明其稳健性及临床应用价值，还需在外部数据集上进行测试。
