修正:通过深度学习在甲状腺超声波图像中基于超高分辨率的结节定位
Jing Li1, Qiang Guo1, Shiyi Peng1
1Department of Ultrasound, Qingpu Branch of Zhongshan Hospital Affiliated to Fudan University, No. 1158 Gongyuan East Road, Qingpu District, Shanghai, 201700, China.
Current medical imaging
|August 26, 2024
概括
这项研究引入了一个深度学习模型,用于在超声波图像中精确地定位甲状腺结节,从而提高诊断准确度. 这项研究得到了中山医院和青浦区卫生委员会资助的支持.
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:
- 甲状腺结节很常见,在超声波图像中准确定位对于诊断至关重要.
- 深度学习为提高结节检测的准确性和效率提供了潜力.
研究的目的:
- 开发和验证基于超分辨率的深度学习模型,用于在超声波图像中定位甲状腺结节.
- 与传统方法相比,提高结节识别的精度.
主要方法:
- 采用了包含超分辨率技术的深度学习框架.
- 该模型在甲状腺超声波图像数据集上进行训练和评估.
主要成果:
- 基于超分辨率的深度学习模型在定位甲状腺结节方面表现出高精度.
- 拟议的方法在定位精度上显示出显著的改进.
结论:
- 深度学习,特别是超分辨率,是超声波中准确定位甲状腺结节的有希望的方法.
- 这项技术可以帮助临床医生更好地诊断和管理甲状腺结节.
