肺结节检测和细分中的深度学习:系统性审查
Chuan Gao1,2, Linyu Wu1,2, Wei Wu1,2
1The First Affiliated Hospital of Zhejiang Chinese Medical University (Zhejiang Provincial Hospital of Chinese Medicine), Hangzhou, China.
European radiology
|July 10, 2024
概括
深度学习显示出在CT扫描中检测和细分肺结节的前景. 需要进一步的研究来解决方法上的差距,并改善肺癌诊断的临床应用.
科学领域:
- 医疗成像中的人工智能
- 放射学和医疗诊断的医学诊断.
- 计算病理学计算病理学
背景情况:
- 在CT扫描上精确检测和细分肺结节对于早期肺癌诊断和治疗至关重要.
- 现有的文献在肺结节分析的深度学习方法中存在方法上的差距和偏见.
结论:
- 深度学习对自主肺结节检测和细分具有重大潜力.
- 标准化数据处理,代码/数据共享和外部验证对于提高临床实用性至关重要.
- 解决方法上的缺陷和确保透明度对于未来的研究和临床应用至关重要.
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
