基于深度学习的甲状腺结节超声图像良恶性分类研究

王 欢
四川省肿瘤医院

摘要


甲状腺结节的检出率不低，把良性和恶性病变分开，是临床诊断里要重点内容。超声不会造成创伤，又方便、费用低，常被当作筛查的第一选择，可读片结果在很大程度上取决于医师经验，主观判断会让一致性打折扣。本文讨论深度学习用于甲状腺结节超声图像良恶性分类的若干问题，先梳理影像表现与良恶性差异，再分析卷积神经网络抽取特征的方式，并就数据集处理、模型训练、注意力机制等环节加以说明，还把模型同传统方法、同医师诊断作了对照，考察它能否解释自身依据以及这对临床信任的影响。深度学习给诊断添了新思路，要走进临床，仍需算法、数据与医疗体系三方一起推进。

关键词


深度学习；甲状腺结节；超声图像；良恶性分类；卷积神经网络

全文:

PDF


参考


[1]张文凯,王晓燕,刘静,等.深度学习在甲状腺结节良恶性分类中的应用进展[J].激光与光电子学进展,2024,61(8):2-3.

[2]冯芳.高频彩色多普勒超声诊断甲状腺良恶性结节的应用价值研究[J].中文科技期刊数据库(全文版）医药卫生,2023(012):005.

[3]蔡明月,陈婷婷.甲状腺结节超声恶性风险分层对甲状腺结节良恶性的诊断价值[J].保健医学研究与实践,2023,20(2):56-60.

[4]陈钊庆.深度学习算法在甲状腺结节超声图像良恶性诊断中的应用与效能评估[J].养生大世界,2025(2):19-21.

[5]刘娜,刘婷,马盼,等.基于深度学习方法的诊断模型在甲状腺结节超声诊断教学中的应用研究[J].西部素质教育,2024,10(22):131-134.


Refbacks

  • 当前没有refback。