基于双卷积神经网络结合长城构建算法的肾癌 CT 诊断与手术方案选择：突破传统，开启精准医疗新篇章

为解决肾癌（KC）现有诊断技术准确率低的问题，研究人员开展了利用双卷积神经网络结合长城构建算法（DDCNN-GWCA）诊断肾癌的研究。使用 KiTS21 数据集，该方法在 KiTS21 数据集上得分达 98.9%，有望推动肾癌诊断重大进展。

　　肾癌（Kidney Cancer，KC）是世界上最常见的癌症之一。精确诊断受肿瘤大小、癌症类型和分期等多种因素影响，对肾癌患者的治疗至关重要。本研究利用可获取的 KiTS21 增强 CT 扫描数据集和患者相关数据，区分肾癌的两种主要类型：正常和异常。许多现有技术准确率较低，其效率和可靠性存疑。为克服这些局限，本文提出双卷积神经网络结合长城构建算法（Double-Decker Convolutional Neural Network with the Great Wall Construction Algorithm，DDCNN-GWCA）。混合快速传统双边滤波器利用 KiTS21 数据集在降噪同时保留关键信息，提高预处理数据质量。实用量子 K 均值聚类（Practical Quantum K-Means Clustering）用于分割，提升检测效率和准确性。Q 值正则化变换器（Q-value Regularized Transformer，QT）作为特征提取方法，结合变换器的能力和 Q 值正则化捕获相关特征。双卷积神经网络的多层架构用于分类识别类别。长城构建算法是一种创新优化技术，优化双卷积神经网络（DDCNN）的超参数，确保性能提升。该方法在 KiTS21 数据集上得分达到 98.9% 。这些结果表明该策略优于现有方法，为肾癌诊断的重大进展开辟了道路。