利用深度学习技术辅助肺结节的人工智能检测

发布时间：2021-10-05 09:23

　　<正>在中国,肺癌是发病率最高和死亡率最高的恶性肿瘤,2015年新增癌症患者429万,其中肺癌新发病例达到73.3万,死亡人数更是高达61万^[1]。我国约75%的肺癌患者在确诊时候就已经属于晚期,5年生存率不到20%,这与缺乏筛查以及科学有效鉴别肺结节有关。肺结节影像学表现为直径≤3 cm的局灶性、类圆形、密度增高的实性或亚实性 

【文章来源】：中国呼吸与危重监护杂志. 2019,18(03)北大核心CSCD

【文章页数】：7 页

【参考文献】：
期刊论文
[1]基于卷积神经网络检测肺结节[J]. 侍新,谢世朋,李海波.  中国医学影像技术. 2018(06)
[2]基于三维卷积神经网络的低剂量CT肺结节检测[J]. 吕晓琪,吴凉,谷宇,张文莉,李菁.  光学精密工程. 2018(05)
[3]基于多视角深度信念网络的肺结节识别方法[J]. 张婷,赵涓涓,罗嘉滢,强彦,肖小娇.  科学技术与工程. 2018(05)
[4]基于局部感受野和半监督深度自编码的肺结节检测方法[J]. 赵鑫,强彦,强梓林,赵涓涓,杜晓平.  科学技术与工程. 2017(33)
[5]基于深度信念网络的肺结节良恶性分类[J]. 杨佳玲,赵涓涓,强彦,郝晓燕,王峰智.  科学技术与工程. 2016(32)
[6]基于稀疏自编码神经网络的肺结节特征提取及良恶性分类[J]. 巩萍,王姗姗,罗举建.  医疗卫生装备. 2015(12)
[7]肺结节的CT计算机辅助检测和诊断的基本方法和应用[J]. 崔云,马大庆.  中国医学影像技术. 2007(03)



本文编号：3419456