基于深度学习技术的乳头甲状腺癌的计算机辅助诊断
Yingzhang Zhou1, Lei Yao2, Long Jin2
1College of Photonic and Electronic Engineering, Fujian Normal University, Fuzhou 350007, P R China.
Critical reviews in oncology/hematology
|March 12, 2026
概括
深度学习 (DL) 在诊断乳头甲状腺癌 (PTC),一种常见的甲状腺癌亚型方面表现有前途. 这些人工智能模型提高了分析医疗图像和病理幻灯片的准确性,以获得更好的患者结果.
科学领域:
- 在瘤学瘤学.
- 放射学 放射学是一门学科.
- 人工智能的人工智能
背景情况:
- 全球甲状腺癌 (TC) 发病率正在上升,在中国,乳头甲状腺癌 (PTC) 的患病率很高.
- 乳头甲状腺癌 (PTC) 是最常见的亚型,与不良预后指标有关,需要早期检测.
研究的目的:
- 系统地评估深度学习 (DL) 在诊断乳头甲状腺癌 (PTC) 的应用.
- 为了评估DL模型的识别病理亚型的能力,使用组织病理学特征和放射性成像.
主要方法:
- 针对PTC的诊断成像 (超声波,CT,MRI) 和组织病理学 (H&E染色) 应用的深度学习 (DL) 模型的审查.
- 分析DL模型在检测微化,不规则边缘和核沟等关键特征方面的性能.
主要成果:
- DL模型在分析放射学和组织病理学数据以进行PTC诊断方面表现出更高的准确性.
- 进步包括使用DL的射电基因组相关性和分子特征预测.
结论:
- 深度学习 (DL) 为改善PTC诊断,风险分层和个性化治疗策略提供了巨大的潜力.
- 未来的研究应该集中在多中心数据集成,混合模型和可解释的AI上,以克服当前的局限性.
