《表2 深度学习在医学图像中的应用案例》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《深度学习在医药大数据中的应用研究进展》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

现代医疗技术的快速发展使得磁共振成像（magnetic resonance imaging，MRI）、电子计算机断层扫描（computed tomography，CT）、光学相干断层扫描（optical coherence tomography，OCT）、B超影像等医学图像在临床诊断中发挥着举足轻重的作用，而传统的以医生经验为主导的图像诊断行为往往伴随着一定的误差。2015年发表的一项研究结果中，不同病理学家对乳腺活检样本整体诊断一致性为75.3%，对其中的异型性肿瘤诊断一致性仅为48%[20]。此外，2017年一项研究将深度学习模型用于已经扩散到乳腺相邻淋巴结的乳腺癌图像识别中，结果显示深度学习模型准确率明显高于病理学家人为判断的准确率[21]。表2列出了几项深度学习在医学图像中的应用案例。