脑膜瘤影像人工智能应用进展

发布时间：2021-08-24 12:21

　　人工智能在医学影像中的应用飞速发展,目前已用于脑膜瘤影像瘤周水肿的准确分割、预判脑膜瘤的病理级别及鉴别诊断等。笔者就人工智能技术在脑膜瘤影像的应用现状和未来发展进行综述。 

【文章来源】：磁共振成像. 2020,11(10)

【文章页数】：3 页

【文章目录】：
1 AI在影像诊断领域的应用背景
2 AI在脑膜瘤影像的应用现状
3 AI在脑膜瘤影像研究中存在的问题及应用前景


【参考文献】：
期刊论文
[1]MRI纹理分析对术前脑膜瘤分级鉴别的临床价值[J]. 潘波敏,叶成坤,范光伟,刘洪梅,于如同.  临床神经外科杂志. 2020(01)
[2]采用常规MR成像和扩散张量成像的影像组学和机器学习可准确预测脑膜瘤分级和组织学分型[J]. Y.W.Park,J.Oh,S.C.You,K.Han,S.S.Ahn,Y.S.Choi,彭攀.  国际医学放射学杂志. 2019(05)
[3]体视学方法探索脑膜瘤体积、表面积密度、病理类型与瘤周水肿的关系[J]. 唐青青,Sushant S Hada,马勋泰.  成都医学院学报. 2020(01)
[4]MRI纹理分析对鉴别孤立性纤维性肿瘤/血管周细胞瘤与血管瘤型脑膜瘤的临床价值[J]. 张烁,程敬亮,王程程,张勇.  放射学实践. 2019(08)
[5]基于常规多参数MRI的深度学习全自动检测并分割脑膜瘤[J]. K.R.Laukamp,F.Thiele,G.Shakirin,D.Zopfs,A.Faymonville,M.Timmer,李璐.  国际医学放射学杂志. 2019(02)
[6]增强MRI的肿瘤纹理分析来鉴别诊断颅内血管周细胞瘤与血管型脑膜瘤[J]. 王叶,熊飞,黄文才,王翅鹏,谭惠斌,沈桂萍,陈友三,吴倩.  华南国防医学杂志. 2019(01)
[7]基于卷积神经网络的脑膜瘤亚型影像自动分级[J]. 方谦昊,朱红,何瀚志,胡俊峰.  南京师大学报(自然科学版). 2018(03)
[8]基于常规MRI图像的纹理分析对脑膜瘤术前分级的临床价值[J]. 虞芯仪,耿承军,冯银波,任星煜,周甜甜,周志毅,方梦捷,方向明.  中华放射学杂志. 2018 (05)

硕士论文
[1]基于定量影像组学的脑肿瘤分级预测[D]. 朱永北.哈尔滨理工大学 2019



本文编号：3359982