相关实验视频

Updated: Jun 9, 2025

Lung CT Segmentation to Identify Consolidations and Ground Glass Areas for Quantitative Assesment of SARS-CoV Pneumonia

Lung CT Segmentation to Identify Consolidations and Ground Glass Areas for Quantitative Assesment of SARS-CoV Pneumonia

Published on: December 19, 2020

使用人工智能在现场肺腺癌的成像特征的定量分析

Wensong Shi^1,2, Yuzhui Hu³, Yulun Yang¹

¹Department of Thoracic Surgery, The fifth Clinical Medical College of Henan University of Chinese Medicine (Zhengzhou People's Hospital), Zhengzhou, China.

Thoracic cancer

|October 31, 2024

概括

人工智能有助于区分早期的肺癌阶段. 结节质量和体积是区分非典型腺瘤性增生症, in situ腺癌和最小侵入性腺癌的关键指标.

科学领域:

肺部病理学肺部病理学
放射学放射学是一门学科.
人工智能的人工智能

背景情况:

肺结节 (PNs) 的发病率上升需要准确的早期诊断.
现场肺腺癌 (AIS) 是肺癌的关键早期阶段.
准确区分AIS与非典型腺瘤性增生 (AAH) 和微侵袭性腺癌 (MIA) 是及时干预的关键.

研究的目的:

应用人工智能 (AI) 进行定量成像分析.
使用人工智能驱动的指标来区分AIS与AAH和MIA.
为了提高临床诊断和预防早期肺癌的误诊.

主要方法:

分析了来自六个中心的1215个肺结节 (AAH,AIS,MIA).
使用Shukun AI诊断模块进行定量成像分析.
评估人口统计数据和CT成像指标,重点关注平均CT值的预测能力.

主要成果:

在AAH和AIS之间观察到显著的差异,结节质量是最高的预测因素.
总结结体积和最大CT值是区分AIS和MIA的最佳预测因素.
平均CT值显示AIS诊断的区分能力有限.

结论:

建议最大CT值和最大3D直径用于AIS的临床差异化.
结节质量是区分AIS和AAH的一个强有力的指标.
固体组件的体积有效地将AIS与MIA区分开来.

关键词:

人工智能的人工智能是人工智能.肺腺癌 in situ 的情况.最大的3D直径.最大的CT值是CT值.定量分析量化分析

更多相关视频

Author Spotlight: Advancing 3D Modeling for Enhanced Diagnosis and Treatment of Pulmonary Nodules in Early-Stage Lung Cancer

Author Spotlight: Advancing 3D Modeling for Enhanced Diagnosis and Treatment of Pulmonary Nodules in Early-Stage Lung Cancer

Published on: October 13, 2023

Using Computer-based Image Analysis to Improve Quantification of Lung Metastasis in the 4T1 Breast Cancer Model

Using Computer-based Image Analysis to Improve Quantification of Lung Metastasis in the 4T1 Breast Cancer Model

Published on: October 2, 2020

相关概念视频