换一批影像组学与深度学习在结直肠癌肝转移早期预测及疗效评估中的研究进展
Research progress in radiomics and deep learning for early prediction and efficacy evaluation in colorectal cancer liver metastases
摘要基于影像组学的结直肠癌肝转移(colorectal cancer liver metastases,CCLM)早期预测及疗效评估,对于CCLM患者的个体化管理与治疗方式选择具有重要意义.以卷积神经网络为基础的深度学习(deep learning,DL)具有人工智能(artificial intel-ligence,AI)参与度高、可重复性强、性能可靠等优势,提高了模型的预测效能,应用前景值得期待.随着多模态融合模型、多中心大样本数据库的逐步构建,影像组学和DL将在CCLM管理中发挥更为重要的作用.本综述介绍了影像组学及DL的主要步骤,总结归纳其在CCLM早期状态预测及不同治疗方式疗效评估的应用价值,并展望其在CCLM临床管理中的深入应用潜能.
更多相关知识
关键词
影像组学深度学习结直肠癌肝转移早期预测疗效评估radiomicsdeep learning(DL)colorectal cancer liver metastases(CCLM)early predictionefficacy evaluation
栏目名称
DOI
10.12354/j.issn.1000-8179.2024.20231333
发布时间
2024-04-12（万方平台首次上网日期，不代表论文的发表时间）
- 浏览108
- 被引3
- 下载92
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
