深度学习模型在肺磨玻璃结节评估中的研究进展
Progress of deep learning model in assessment of pulmonary ground-glass nodules
杨淑芯 1赵凯迪 2兰彩云 1李新宇 1丁明旭 1刘小漫 1曹新山3
作者信息
- 1. 滨州医学院医学影像学院 山东 烟台 264000
- 2. 滨州医学院附属医院放射科 山东 滨州 256603
- 3. 滨州医学院医学影像学院 山东 烟台 264000;滨州医学院附属医院放射科 山东 滨州 256603
- 折叠
摘要
与传统影像学相比,深度学习模型可以定量描述影像的深层次特征信息,在肺磨玻璃结节(GGN)研究中显示出重要的应用价值,对于早期肺腺癌诊断有巨大潜力,本文对深度学习模型在肺GGN中的研究进展进行综述.
Abstract
Compared with traditional imaging,deep learning models can quantitatively describe the deep level feature information of images and have shown important application value in pulmonary ground-glass nodules(GGN)research.They have great potential for early diagnosis of lung adenocarcinoma.This article reviews the research progress of deep learning models in pulmonary GGN.
关键词
肺磨玻璃结节/深度学习/人工智能Key words
Pulmonary ground glass nodules/Deep learning/Artificial intelligence引用本文复制引用
基金项目
国家级大学生创新创业训练计划项目(202310440230)
出版年
2024
NETL
NSTL
万方数据