结肠直肠癌分类中的深度学习:一个范围广泛的审查
Rafaa Alalwani1, Augusto Lucas1, Mahmoud Alzubaidi1
1College of Science and Engineering, Hamad Bin Khalifa University, Doha 34110, Qatar.
Studies in health technology and informatics
|June 30, 2023
概括
深度学习显示,使用医学图像对结肠直肠癌 (CRC) 的分类具有前途. 这篇评论探讨了人工智能.
科学领域:
- 在瘤学瘤学.
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 结肠直肠癌 (CRC) 的诊断和分类给医疗专业人员带来了挑战.
- 准确的CRC分类对于有效的治疗计划和患者的治疗结果至关重要.
- 人工智能 (AI),特别是深度学习,在诊断准确性和速度方面提供了潜在的进步.
研究的目的:
- 对深度学习用于分类不同类型结直肠癌的应用进行范围审查.
- 探索当前的研究环境,并确定CRC分类的深度学习趋势.
主要方法:
- 在五个数据库中进行了系统搜索.
- 根据预先定义的纳入标准,选择了45项相关研究.
- 数据提取侧重于深度学习模型,数据类型和CRC的分类性能.
主要成果:
- 深度学习模型已被应用到使用各种数据源来分类结直肠癌.
- 组织病理学和内镜图像是这些研究中最常用的数据类型.
- 卷积神经网络 (CNN) 是用于CRC分类的占主导地位的深度学习架构.
结论:
- 深度学习,特别是CNN,在提高结直肠癌的分类方面显示出显著的潜力.
- 使用深度学习模型的组织病理学和内镜图像进行进一步的研究是有必要的.
- 人工智能驱动的工具可以支持病理学家和成像专家改善CRC诊断和护理.
更多相关视频
07:15Machine Learning Algorithms for Early Detection of Bone Metastases in an Experimental Rat Model
Published on: August 16, 2020
6.9K
15:49Flexible Colonoscopy in Mice to Evaluate the Severity of Colitis and Colorectal Tumors Using a Validated Endoscopic Scoring System
Published on: October 16, 2013
31.9K
