换一批摘要肝脏局灶性病变(FLLs)检测对疾病诊断和治疗至关重要.传统检测方法面临诸多挑战,深度学习技术的应用为其带来新契机.鉴于此,系统综述了基于深度学习的FLLs检测方法,通过深入分析相关技术的优势与不足,为FLLs检测技术的发展提供了具体的研究方向.首先对肝脏放射影像的公开数据集进行了整理归纳,阐述数据预处理对提升模型性能的关键作用.其次,对比分析了基于卷积神经网络、Transformer以及知识蒸馏等技术的 2D与 3D检测算法,揭示了从局部特征建模到全局时空关联的技术演进路径.此外,深入探讨了针对多期相影像的时序特征融合方法,为动态病变表征提供了新思路.研究表明,现有方法在检测精度与效率上取得突破,但仍面临小病灶敏感性不足、跨设备泛化性弱及临床验证缺乏等挑战.未来研究需通过多中心数据协同、轻量化算法设计及可解释性增强等途径,加速深度学习在肝脏病变辅助诊断中的临床转化与应用.
更多相关知识
关键词
深度学习肝脏局灶性病变目标检测计算机断层扫描多期相deep learningfocal liver lesionsobject detectioncomputerized tomography scanmulti-phase
栏目名称
DOI
10.11996/JG.j.2095-302X.2026010001
发布时间
2026-03-31（万方平台首次上网日期，不代表论文的发表时间）
- 浏览2
- 被引0
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
