您的账号已在其他设备登录,您当前账号已强迫下线,
如非您本人操作,建议您在会员中心进行密码修改

确定
收藏 | 浏览195 | 下载854

影像组学模型建立在手工提取特征的基础上,而深度学习可以自动学习这些特征,两者结合的应用前景更加广阔,是目前影像学发展的热点和焦点。目前已有较多学者利用影像组学和深度学习对头颈部恶性肿瘤的影像学研究进行了深入讨论。笔者就深度学习和影像组学在头颈部恶性肿瘤分期、鉴别诊断、转移淋巴结的评估、肿瘤的基因型预测及预后的辅助判断等方面展开综述。

作者:邹颖;夏爽

来源:中华放射学杂志 2020 年 54卷 10期

知识库介绍

临床诊疗知识库该平台旨在解决临床医护人员在学习、工作中对医学信息的需求,方便快速、便捷的获取实用的医学信息,辅助临床决策参考。该库包含疾病、药品、检查、指南规范、病例文献及循证文献等多种丰富权威的临床资源。

详细介绍
热门关注
免责声明:本知识库提供的有关内容等信息仅供学习参考,不代替医生的诊断和医嘱。

收藏
| 浏览:195 | 下载:854
作者:
邹颖;夏爽
来源:
中华放射学杂志 2020 年 54卷 10期
标签:
人工智能 头颈部肿瘤 深度学习 影像组学
影像组学模型建立在手工提取特征的基础上,而深度学习可以自动学习这些特征,两者结合的应用前景更加广阔,是目前影像学发展的热点和焦点。目前已有较多学者利用影像组学和深度学习对头颈部恶性肿瘤的影像学研究进行了深入讨论。笔者就深度学习和影像组学在头颈部恶性肿瘤分期、鉴别诊断、转移淋巴结的评估、肿瘤的基因型预测及预后的辅助判断等方面展开综述。