《表1 深度学习在医学影像智能诊断中的应用》

  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

《深度学习在医学影像智能处理中的应用与挑战》

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

将现代深度学习和计算机视觉技术应用于放射成像的进一步研究正在进行中，尤其是针对脑部和眼底病变等高发病率的疾病，临床上迫切需求智能诊断技术加以辅助。优化研究标签的生成、在医学图像中指定病理区域、建立强监督模型而不是弱监督模型并裁剪算法部署在图像存档和通信系统（picture archiving and communication system，PACS）平台将为算法改进和进入临床环境提供途径。表1详细描述了深度学习在智能诊断中的应用，研究对象主要包括颅内出血、NSCLC （non-small cell lung cancer）、AMD（age-related macular degeneration）、DME（diabetic macular edema）、RVO（retinal vein obstruction）、ADNI（Alzheimer’s disease neuroimaging initiative）等，研究模态主要包括CT、病理图像、OCT（optical coherence tomography）图像等，研究方法主要包括VGG16、Res Net-50、Inception V3、InceptionRes Net-V2、3D-CNN+NLP （natural language processing）等，评价指标主要采用AUC （area under curve）。