在CT图像中肝脏恶性瘤的放射学和深度学习特征 - - 一项系统性审查

科学领域:

• 放射学 放射学是一门学科.
• 医疗成像医学成像
• 人工智能的人工智能

背景情况:

• 计算机断层扫描 (CT) 对于肝脏成像至关重要,提供高分辨率和密度差异化.
• 人工智能 (AI),特别是机器学习 (ML) 和深度学习 (DL),正在通过预测和分类算法增强肝癌管理.
• 深度学习 (DL) 使用卷积神经网络 (CNN) 来自动分析医学成像中的大型数据集.

研究的目的:

• 通过CT成像来审查基于ML的放射学和DL模型的肝脏恶性瘤的方法,成果,局限性和性能.
• 通过CT扫描评估人工智能在肝癌分析中的应用现状.

主要方法:

• 在PubMed,Scopus,科学引文索引和科克兰图书馆 (2020-2024) 的系统文献搜索.
• 关键词包括机器学习,放射学,深度学习,计算机断层扫描和肝癌.
• 在研究选择和查方面遵循了PRISMA指南.

主要成果:

• 包括49项研究,17项是放射性,24项是DL和8项是DL/放射性组合研究.
• 放射学主要用于预测分析;DL广泛应用于自动化肝脏和瘤细分.
• 在结合DL和放射学技术的研究中观察到越来越多的趋势.

结论:

• 经典的放射学模型仍然具有相关性,并且由于较低的计算和数据要求,当性能可比时,通常优先于DL.
• 虽然DL方法越来越受欢迎,但数据稀缺和缺乏标准化协议等挑战仍然存在.
• 模型性能继续改善,这表明该领域正在取得进展.