RSNA2019人工智能影像学

发布时间：2021-12-24 10:57

　　随着人工智能（AI）的迅速发展和日益广泛的应用,人们对自动图像处理和分类技术产生了极大的兴趣,本年度RSNA年会上关于AI的研究报告按照部位进行分类总结。各研究通过利用深度学习分割图像、研究图像特征提取和图像转换,研发机器学习辅助诊断方法,比较不同AI模型如何提高成像效率、减少辐射剂量和对比剂剂量等,对临床疾病进行鉴别诊断和准确分级,进而辅助临床个体化治疗方案的制定,且有望大幅降低影像医师的工作负荷。 

【文章来源】：放射学实践. 2020,35(05)北大核心

【文章页数】：8 页

【文章目录】：
中枢神经系统
头颈部
胸部
腹部
骨骼肌肉系统
影像技术


【参考文献】：
期刊论文
[1]人工智能在经皮冠脉介入治疗及预后评估中的研究进展[J]. 魏珂,司春婴,王贺,陈玉善,关怀敏.  放射学实践. 2021(10)
[2]胰腺癌影像学研究现状及热点的文献计量与可视化分析[J]. 赵爽,宋彬,黄子星.  中国普外基础与临床杂志. 2021(07)
[3]自动管电流技术联合人工智能在COVID-19肺部低剂量CT中的应用价值[J]. 李翔,王翔,杨欣,黄增发,夏文华.  放射学实践. 2020(09)
[4]AI技术辅助诊断新型冠状病毒肺炎研究综述[J]. 唐思源,杨敏,刘燕茹.  计算机工程与应用. 2020(18)



本文编号：3550362