放射学实践2024，Vol.39Issue(3) ：421-426.DOI:10.13609/j.cnki.1000-0313.2024.03.021

影像组学与机器学习在非小细胞肺癌淋巴结分期中的应用

乔健一 李雅迪 王鹏远 辛军
放射学实践2024，Vol.39Issue(3) ：421-426.DOI:10.13609/j.cnki.1000-0313.2024.03.021
✕
  • 维普
  • 万方数据

影像组学与机器学习在非小细胞肺癌淋巴结分期中的应用

乔健一 1李雅迪 2王鹏远 1辛军1
扫码查看

作者信息

  • 1. 110004 沈阳,中国医科大学附属盛京医院核医学科;110004 沈阳,中国医科大学附属盛京医院放射科
  • 2. 110004 沈阳,中国医科大学附属盛京医院放射科
  • 折叠

摘要

肺癌是最常见的肿瘤,也是死亡率最高的肿瘤.近年来,人工智能在科技创新的推动下迅速发展,并已经成功应用于医疗健康等领域.机器学习、影像组学是人工智能领域的重要方法.机器学习是指通过经验学习改善具体算法的性能研究,影像组学指高通量地提取大量描述肿瘤特征性的影像特征的方法.本文总结了影像组学和机器学习在非小细胞肺癌淋巴结分期(N分期)中的应用.

关键词

肺肿瘤/非小细胞肺癌/影像组学/机器学习/淋巴结分期

引用本文复制引用

出版年

2024
放射学实践
华中科技大学同济医学院

放射学实践

CSTPCDCSCD北大核心
影响因子：1.08
ISSN：1000-0313
参考文献量55
段落导航相关论文