人工智能（artificial intelligence,AI）是當(dāng)今前沿的發(fā)展和研究方向,應(yīng)用于多個領(lǐng)域,而醫(yī)學(xué)影像AI也在迅速的發(fā)展,特別是深度學(xué)習(xí)技術(shù)（deep learning,DL）的崛起,大大促進(jìn)了醫(yī)學(xué)影像AI在疾病的輔助檢測、診斷、病情的預(yù)后和監(jiān)測中的應(yīng)用,目前國內(nèi)外已有較多的研究�，F(xiàn)將AI深度學(xué)習(xí)模型在肺結(jié)節(jié)中的應(yīng)用進(jìn)行綜述。 

【文章來源】：影像研究與醫(yī)學(xué)應(yīng)用. 2020,4(23)

【文章頁數(shù)】：2 頁

【文章目錄】：
1 在肺結(jié)節(jié)的檢測中的應(yīng)用
    1.1 肺結(jié)節(jié)檢出的效能
    1.2 肺結(jié)節(jié)不同因素對DL模型檢測的影響
    1.3 不同算法對肺結(jié)節(jié)的檢出
        1.3.1 CNN
        1.3.2 MTANN
        1.3.3 DNN
2 DL在肺結(jié)節(jié)良惡性鑒別診斷的應(yīng)用
    2.1 不同CT掃描方式對肺結(jié)節(jié)良惡性的鑒別
    2.2 胸部基線CT與隨訪CT掃描對肺結(jié)節(jié)良惡性的鑒別
    2.3 DL模型不同算法對肺結(jié)節(jié)良惡性的鑒別
3 對肺癌的隨訪及療效及基因預(yù)測的應(yīng)用
    3.1 病情自然改變隨訪
    3.2 療效及基因的預(yù)測
4 DL在肺結(jié)節(jié)中應(yīng)用的優(yōu)點(diǎn)及局限性
    4.1 優(yōu)點(diǎn)
    4.2 局限性


【參考文獻(xiàn)】：
期刊論文
[1]基于深度學(xué)習(xí)的肺結(jié)節(jié)良惡性判別模型在靶掃描CT數(shù)據(jù)的效能驗證[J]. 陶廣昱,葉劍定,葉曉丹,毛麗,虞凌明,周振,李秀麗.  中華放射學(xué)雜志. 2019(11)
[2]CT影像組學(xué)在預(yù)測肺腺癌ALK融合基因表達(dá)中的價值初探[J]. 宋蘭,朱振宸,姜蕾,趙倫,楊青霖,隋昕,杜華陽,吳煥文,李霽,李秀麗,宋偉,金征宇.  中華放射學(xué)雜志. 2019(11)
[3]利用深度學(xué)習(xí)模型判斷基線胸部平掃CT肺結(jié)節(jié)的良惡性[J]. 呂文暉,周長圣,李新宇,黃楚曦,張其銳,毛麗,張龍江,盧光明.  中華放射學(xué)雜志. 2019(11)



本文編號：3506743