检索历史 清除

【中文期刊】 尹泽新 杨继林  等 《中华肝脏外科手术学电子杂志》 2025年14卷1期 128-134页 ISTICCA

【摘要】 肝癌微血管侵犯（MVI）是肝癌术后复发的独立危险因素。在术前能够准确预测肝癌微血管侵犯的发生，对指导后续治疗和改善预后有重要意义。影像组学方法在此领域近年来进展颇多，本文总结了临床指标、传统影像学语义特征，以及新兴的影像组学3 个方面在术前...

【关键词】 癌,肝细胞； 微血管侵犯； 复发；

【中文期刊】 黄俊龙 李文双  等 《中华腔镜泌尿外科杂志（电子版）》 2024年18卷6期 597-605页 ISTIC

【摘要】 目的基于Valsalva状态下的二维经会阴盆底超声图像，开发深度学习人工智能模型，以期在临床实践中辅助女性压力性尿失禁（SUI）的分度诊断。方法所有患者在就诊后1月内完成经会阴盆底彩超检查。根据国际尿失禁咨询委员会简表问卷（ICI-Q-SF...

【关键词】 压力性尿失禁； 盆底彩超； 卷积神经网络；

【中文期刊】 王瑞 张嘉炜  等 《中华损伤与修复杂志（电子版）》 2024年19卷2期 172-175页 ISTICCA

【摘要】 烧烫伤是常见的皮肤受损致伤原因,需高度重视.既往依靠烧伤专科医师临床经验判断,较难准确评估不同创面深浅等情况,由于光线、创面污秽等原因可能导致评估出现偏差.近年来,基于高级编程语言的深度学习在烧烫伤创面精准评估中的重要性逐步提高.本文通过回...

【关键词】 烧烫伤； 深度学习； 图像分割；

【中文期刊】 孙铭远 褚恒  等 《中华临床医师杂志（电子版）》 2024年18卷8期 785-790页 ISTICCA

【摘要】 肺癌，作为世界范围内发病率和死亡率最高的恶性肿瘤之一，早期影像学表现为肺结节。其中，多发性肺结节因其逐年增高的检出率和特殊性而受到广泛关注。因此对肺结节性质进行正确预测是肺癌早期诊治的关键。近年来，人工智能（artificial intel...

【关键词】 人工智能； 多发性肺结节； 深度学习；

【中文期刊】 叶莉 杜宇  《中华口腔医学研究杂志（电子版）》 2024年18卷6期 351-356页 ISTICCA

【摘要】 近年来，人工智能助力临床医学诊疗模式发生重大改变。深度学习（DL）作为人工智能的重要分支，在口腔医学领域包括牙髓根尖周病的诊断和治疗方面展现了巨大潜力。DL 模型通过发现并学习数据中的规律，协助口腔医师实现自动化疾病定位、诊断和治疗预后预测...

【关键词】 人工智能； 深度学习； 牙髓根尖周病；

【中文期刊】 赵毅 李昶田  等 《中华腔镜外科杂志（电子版）》 2024年17卷5期 290-294页 ISTIC

【摘要】 目的总结分析基于深度学习的术中超声主胰管自动识别模型在外科医师术中超声技能培训和辅助胰腺微创外科手术中主胰管定位中的应用价值。方法使用主胰管自动识别模型辅助18 名培训学员学习术中超声主胰管图像的识别并收集考核资料；前瞻性纳入120 例拟使...

【关键词】 胰腺； 微创外科手术； 术中超声；

【中文期刊】 周福兴 史万旭  等 《中国社区医师》 2024年40卷31期 8-10页

【摘要】 人工智能(AI)在胸部CT影像中准确识别并测量肺结节大小方面有显著优势,可通过机器学习、深度学习等技术以及不同算法对肺结节进行识别、分类和良恶性评价.该文总结AI在肺结节影像学诊断方面的技术方法和临床应用,以期为AI在影像诊断中的应用提供参...

【关键词】 肺结节； 人工智能； 肺癌；

【中文期刊】 梁昱 李俊林  《中华养生保健》 2024年42卷19期 173-177页

【摘要】 目的 探索人工智能肺结节筛查系统中不同分类模型对其效能表现的影响,进而筛选出适合临床使用的分类模型.方法 选择2018年12月—2019年4月在内蒙古自治区人民医院行胸部CT平扫的117例患者作为研究对象.首先,由两位超过15年胸部CT阅片...

【关键词】 体层摄影术； 人工智能； 肺结节；

【中文期刊】 王可欣 王晨  等 《世界最新医学信息文摘（连续型电子期刊）》 2024年24卷5期 71-78页

【摘要】 目的 评估深度学习在辅助胸部放射科医师检测不同肺叶的不同性质结节的效能.方法 回顾性收集365份肺结节患者胸部CT影像,参考标准、深度学习模型(AI)、高年资和低年资医师分别判别结节性质、大小、肺叶肺段和CT征象,比较AI辅助前后的结节检出...

【关键词】 深度学习； 计算机辅助诊断； 结节性质；

【中文期刊】 潘清 葛慧青  《中华重症医学电子杂志》 2024年10卷4期 399-403页

【摘要】 人机不同步（PVA）在机械通气中较为常见，与呼吸做功增加、机械通气时间延长、呼吸机诱发肺损伤以及不良的预后密切相关。识别PVA 需要仔细观察患者及其呼吸机波形，但临床医护人员识别PVA 的能力参差不齐，且难以在床旁持续监测，亟需自动化的监测...

【关键词】 机械通气； 人机不同步； 机器学习；