AI深度学习模型肺结节应用研究进展

发布时间：2021-11-20 06:17

　　人工智能（artificial intelligence,AI）是当今前沿的发展和研究方向,应用于多个领域,而医学影像AI也在迅速的发展,特别是深度学习技术（deep learning,DL）的崛起,大大促进了医学影像AI在疾病的辅助检测、诊断、病情的预后和监测中的应用,目前国内外已有较多的研究。现将AI深度学习模型在肺结节中的应用进行综述。 

【文章来源】：影像研究与医学应用. 2020,4(23)

【文章页数】：2 页

【文章目录】：
1 在肺结节的检测中的应用
    1.1 肺结节检出的效能
    1.2 肺结节不同因素对DL模型检测的影响
    1.3 不同算法对肺结节的检出
        1.3.1 CNN
        1.3.2 MTANN
        1.3.3 DNN
2 DL在肺结节良恶性鉴别诊断的应用
    2.1 不同CT扫描方式对肺结节良恶性的鉴别
    2.2 胸部基线CT与随访CT扫描对肺结节良恶性的鉴别
    2.3 DL模型不同算法对肺结节良恶性的鉴别
3 对肺癌的随访及疗效及基因预测的应用
    3.1 病情自然改变随访
    3.2 疗效及基因的预测
4 DL在肺结节中应用的优点及局限性
    4.1 优点
    4.2 局限性


【参考文献】：
期刊论文
[1]基于深度学习的肺结节良恶性判别模型在靶扫描CT数据的效能验证[J]. 陶广昱,叶剑定,叶晓丹,毛丽,虞凌明,周振,李秀丽.  中华放射学杂志. 2019(11)
[2]CT影像组学在预测肺腺癌ALK融合基因表达中的价值初探[J]. 宋兰,朱振宸,姜蕾,赵伦,杨青霖,隋昕,杜华阳,吴焕文,李霁,李秀丽,宋伟,金征宇.  中华放射学杂志. 2019(11)
[3]利用深度学习模型判断基线胸部平扫CT肺结节的良恶性[J]. 吕文晖,周长圣,李新宇,黄楚曦,张其锐,毛丽,张龙江,卢光明.  中华放射学杂志. 2019(11)



本文编号：3506743