针对肝癌应用的多模式深度学习:一个范围审查
Aisha Siam1, Abdel Rahman Alsaify1, Bushra Mohammad1
1College of Science and Engineering, Hamad Bin Khalifa University, Qatar Foundation, Doha, Qatar.
Frontiers in artificial intelligence
|November 15, 2023
概括
多模式深度学习显示出使用医学图像和电子健康记录 (EHR) 诊断肝细胞癌 (HCC) 的前景. 由于肝癌的数据和研究有限,需要进行进一步的研究.
科学领域:
- 医疗成像和人工智能的人工智能
- 瘤学和生物信息学
- 在医疗保健中的数据科学.
背景情况:
- 肝细胞癌 (HCC) 是全球癌症死亡的主要原因.
- 多模式数据,包括医疗图像和电子健康记录 (EHR),有助于肝癌诊断.
- 集成多式联络数据的深度学习模型可以提高肝癌患者的诊断准确性和临床决策.
研究的目的:
- 探索多式深度学习技术在诊断和预测肝细胞癌 (HCC) 和胆管癌 (CCA) 的应用.
- 审查医疗成像和EHR数据的结合,用于肝癌诊断和预后.
主要方法:
- 在六个数据库中进行了全面的文献搜索.
- PRISMA (系统审查和元分析的首选报告项目) 扩展用于范围审查指导研究选择.
- 专题分析用于从包含的研究中提取和合成数据.
主要成果:
- 十项研究使用多式联络深度学习来预测和诊断HCC;没有一项研究专注于CCA.
- 通常使用的成像方式包括CT和MRI,以及51个EHR变量,如年龄,性别,AFP,白蛋白和胆红素.
- 十种不同的深度学习技术应用于成像和EHR数据,用于预测和诊断.
结论:
- 多模式数据与深度学习相结合,有效地帮助HCC诊断和预测.
- 对肝癌的有限研究和数据集阻碍了人工智能在这个领域的进步.
- 建议对用于肝癌的多模式深度学习进行进一步的研究.
