计算机断层扫描中的深度学习应用的系统审查和元分析 肺癌细分
Ting-Wei Wang1, Jia-Sheng Hong2, Jing-Wen Huang3
1Institute of Biophotonics, National Yang-Ming Chiao Tung University, Taipei, Taiwan; School of Medicine, National Yang-Ming Chiao Tung University, Taipei, Taiwan.
概括
深度学习 (DL) 在CT扫描上显示肺瘤细分的中度准确性,最近的进展提高了性能. 对于不同的临床环境和晚期癌症阶段,需要进一步开发.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 在瘤学瘤学.
背景情况:
- 在CT扫描上精确的肺瘤细分对于诊断和治疗至关重要.
- 深度学习 (DL) 在肺癌细分方面显示出潜在但可变的有效性.
- 疗效因临床环境和瘤阶段而异.
研究的目的:
- 进行DL算法对肺癌细分的元分析.
- 评估整体准确性和影响因素.
- 评估研究质量并确定需要改进的领域.
主要方法:
- 在PubMed,Embase和Web of Science的综合文献搜索.
- 使用CLAIM和QUADAS-2工具进行质量评估.
- 子相似系数和影响因素的聚合分析.
主要成果:
- 集成子得分为79%表明中等准确度.
- 最近的研究 (2022年以后) 显示性能有所改善 (82%).
- 算法类型,分辨率调整和图像裁剪影响性能.
结论:
- DL算法在肺癌细分方面显示出有希望但有效性不同.
- 在早期肺癌中观察到更高的疗效.
- 针对不同的临床环境和先进阶段,不断开发定制的DL模型至关重要.
更多相关视频
07:53Author Spotlight: Advancing 3D Modeling for Enhanced Diagnosis and Treatment of Pulmonary Nodules in Early-Stage Lung Cancer
Published on: October 13, 2023
1.4K
08:05Lung CT Segmentation to Identify Consolidations and Ground Glass Areas for Quantitative Assesment of SARS-CoV Pneumonia
Published on: December 19, 2020
14.1K
