在2-deoxy-2-fluorodeoxyglucose正子发射断层扫描/计算机断层扫描成像中的淋巴结疾病:人工智能驱动的自动细分和精确诊断方面的进展
Shao-Chun Li1, Xin Fan1, Jian He2
1Department of Nuclear Medicine, Nanjing Drum Tower Hospital, Affiliated Hospital of Medical School, Nanjing University, Nanjing 210008, Jiangsu Province, China.
World journal of clinical oncology
|December 8, 2025
概括
深度学习增强了淋巴结分析的放射学,提高了检测,细分和3D重建的准确性. 这种人工智能方法有助于诊断,预测治疗反应和对淋巴结疾病的预后评估.
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:
- 传统的淋巴结成像分析效率低,不一致.
- 深度学习,特别是卷积神经网络,为放射学分析提供了先进的解决方案.
研究的目的:
- 在淋巴结疾病管理中审查人工智能 (AI) 应用.
- 在淋巴结病理学中为人工智能辅助的临床决策提供基础.
主要方法:
- 专注于自动淋巴结细分模型.
- 对治疗反应预测算法的审查.
- 使用多式成像对良性和恶性差异诊断系统的分析.
主要成果:
- 深度学习显著改善了淋巴结分析中的放射学.
- 人工智能增强了淋巴结的自动检测,精确细分和3D重建.
- 人工智能有助于有效性监测和病理特征分析.
结论:
- 人工智能驱动的放射学显示出对精确的淋巴结疾病诊断的希望.
- 人工智能可以支持个性化治疗和预后评估.
- 对人工智能的进一步研究对于推进淋巴结疾病管理至关重要.
关键词:
自动细分系统 自动细分系统卷积神经网络是一种卷积神经网络.深度学习是一种深度学习.淋巴结转移是淋巴结的转移.淋巴瘤是一种淋巴瘤.医学成像分析分析 医学成像分析无线电学 (Radiomics) 是一种放射学.更多相关视频
10:04Analysis of 18FDG PET/CT Imaging as a Tool for Studying Mycobacterium tuberculosis Infection and Treatment in Non-human Primates
Published on: September 5, 2017
19.2K
04:48Application of Deep Learning-Based Medical Image Segmentation via Orbital Computed Tomography
Published on: November 30, 2022
3.3K
