深度学习和多学科成像在儿科外科瘤学:一个范围审查
M A D Buser1, J K van der Rest1, M H W A Wijnen1
1Princess Máxima Center for Pediatric Oncology, Utrecht, The Netherlands.
Cancer medicine
|January 15, 2025
概括
深度学习 (DL) 在儿科外科瘤学成像中显示出前景. 进一步的研究和验证对于临床应用至关重要,为改善儿童癌症结果指导未来的进展.
科学领域:
- 医学成像分析分析 医学成像分析
- 计算病理学计算病理学
- 放射学信息学 放射学信息学
背景情况:
- 医学图像对于诊断和治疗儿科固体瘤至关重要.
- 放射学和病理学的进步需要复杂的图像处理,如深度学习 (DL).
- 在儿童瘤学的基于图像的诊断中,DL应用越来越重要.
研究的目的:
- 审查深度学习 (DL) 在儿科外科瘤学中的多学科成像中的当前应用.
- 提供在这个专业领域现有的DL研究的概述.
主要方法:
- 在PubMed,Embase和Scopus数据库中进行了全面的文献搜索.
- 总共有2056篇文章最初被识别并随后进行了选.
- 文章被分为放射学,病理学和其他基于图像的诊断.
主要成果:
- 包括36篇文章,其中22篇涉及放射学,9篇涉及病理学,5篇涉及其他诊断.
- 确定的DL任务包括分类,预测,细分和合成.
- 不一致的研究方法阻止了一般性表现陈述;技术和临床验证对于DL实施至关重要.
结论:
- 本综述总结了DL在儿科外科瘤学成像方面的研究.
- 利用成人DL应用的洞察力可以加速儿科瘤学的进展.
- 持续开发和验证DL是改善癌症儿童治疗结果的关键.
