肺结节MR成像的人工智能研究进展
肺癌是全世界发生率和死亡率最高的癌症之一,对肺结节的检出、良恶性诊断以及病理亚型评价是早期肺癌诊治的基础[1] . 目前,最常见的肺部检查方法是CT,但CT由于辐射的因素,对孕妇、儿童以及需要长期随访的患者并不推荐. MRI作为一种无电离辐射、无创的方法,能够评估肺部的形态和功能,在肺部病变的成像、检出、诊断和评价中显示出良好的价值[2 ～5] . 人工智能(AI)是一个由计算机科学、数学和神经网络交叉的前沿学科,在临床上主要是用计算机算法帮助完成疾病的诊断,通过对图像特征进行提取、分类,并用提取到的特征构建模型用于疾病的鉴别. 深度学习是AI的一个子集,是由多层级联的非线性处理单元构成,从而进行多层次特征学习,其包括卷积神经网络(CNN)、自编码神经网络、深度执行网络(DBN). 目前,深度学习已经广泛应用到CT检查中,表现出良好的临床效能. 但在MR上未见较多的报道,本文对AI在MR肺结节中的研究进展进行综述,了解其在肺结节的快速成像、检出和分割、诊断及疗效中的研究进展,并对其未来发展做出展望.
肺结节、人工智能
42
TP391.41;R734.2;R814.42
上海市科技创新行动计划项目;国家自然科学基金;国家自然科学基金;科技部重点研发计划项目;科技部重点研发计划项目;海军军医大学第二附属医院创新临床研究项目
2023-09-11（万方平台首次上网日期，不代表论文的发表时间）
共4页
1361-1364
