[使用超声波成像进行基于深度学习的甲状腺结节计算机辅助诊断的研究进展]
Xinyuan Zhou1, Min Qiu2, Jiangfeng Shang3
1School of Medical Information Engineering, Shandong University of Traditional Chinese Medicine, Jinan 250355, P. R. China.
概括
深度学习显示出从超声波图像中诊断甲状腺结节的前景,提高准确性并减少误诊. 这种计算机辅助诊断 (CAD) 方法有助于早期发现甲状腺癌.
科学领域:
- 内分泌学 在内分泌学.
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 甲状腺结节是常见的内分泌疾病,需要早期检测以预防甲状腺癌.
- 不同质的结节形态和边界带来了诊断挑战,增加了传统方法误诊的风险.
- 使用深度学习的计算机辅助诊断 (CAD) 为改善甲状腺结节分析提供了潜力.
研究的目的:
- 审查基于深度学习的甲状腺结节超声波图像分析的CAD的最新进展.
- 专注于图像预处理,细分和分类中的应用.
- 分析当前技术的优点和局限性,并讨论未来的方向.
主要方法:
- 对应用到甲状腺结节超声波图像的深度学习算法当前文献的综述.
- 对图像预处理,细分和分类方法的分析.
- 评估现有的深度学习模型的性能,优势和局限性.
主要成果:
- 基于深度学习的CAD方法在分析甲状腺结节超声波图像方面具有显著的潜力.
- 这些方法在提高结节识别和分类的准确性方面表现有前途.
- 目前的技术提供了优势,但也有限制,需要进一步研究.
结论:
- 深度学习具有提高甲状腺结节诊断的巨大潜力.
- 需要进一步的研究来克服局限性并优化临床应用途径.
- 本综述为未来AI在甲状腺结节管理中的临床整合提供了基础.
