期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于医学影像的人工智能模型在预测乳腺癌腋窝非前哨淋巴结转移中的应用进展
1
作者
孙旭成
毛宁
+2 位作者
林凡
王培源
谢海柱
《山东医药》
2025年第1期155-159,共5页
乳腺癌腋窝非前哨淋巴结(NSLN)转移的评估对于制定个体化治疗方案至关重要。近年来,随着人工智能(AI)技术不断发展,其应用场景亦不断拓展。目前,AI技术已被广泛应用于NSLN的评估,多种AI模型被设计用于分析对比增强乳腺X线摄影(CEM)、动...
乳腺癌腋窝非前哨淋巴结(NSLN)转移的评估对于制定个体化治疗方案至关重要。近年来,随着人工智能(AI)技术不断发展,其应用场景亦不断拓展。目前,AI技术已被广泛应用于NSLN的评估,多种AI模型被设计用于分析对比增强乳腺X线摄影(CEM)、动态对比增强磁共振(DCE-MRI)及超声图像,并预测乳腺癌腋窝NSLN转移。AI模型主要分为传统机器学习模型和深度学习模型,其中,传统机器学习模型具有计算复杂度低、数据需求少、模型可解释性强的优点,而深度学习模型则具有速度快、准确率高的特点。传统机器学习模型和深度学习模型在优化NSLN转移临床诊疗策略方面发挥重要作用。
展开更多
关键词
乳腺癌
非前哨淋巴结转移
医学影像
人工智能
传统机器学习模型
深度
学习
模型
在线阅读
下载PDF
职称材料
题名
基于医学影像的人工智能模型在预测乳腺癌腋窝非前哨淋巴结转移中的应用进展
1
作者
孙旭成
毛宁
林凡
王培源
谢海柱
机构
滨州医学院医学影像学院
青岛大学附属医院烟台毓璜顶医院影像科
滨州医学院烟台附属医院医学影像科
出处
《山东医药》
2025年第1期155-159,共5页
文摘
乳腺癌腋窝非前哨淋巴结(NSLN)转移的评估对于制定个体化治疗方案至关重要。近年来,随着人工智能(AI)技术不断发展,其应用场景亦不断拓展。目前,AI技术已被广泛应用于NSLN的评估,多种AI模型被设计用于分析对比增强乳腺X线摄影(CEM)、动态对比增强磁共振(DCE-MRI)及超声图像,并预测乳腺癌腋窝NSLN转移。AI模型主要分为传统机器学习模型和深度学习模型,其中,传统机器学习模型具有计算复杂度低、数据需求少、模型可解释性强的优点,而深度学习模型则具有速度快、准确率高的特点。传统机器学习模型和深度学习模型在优化NSLN转移临床诊疗策略方面发挥重要作用。
关键词
乳腺癌
非前哨淋巴结转移
医学影像
人工智能
传统机器学习模型
深度
学习
模型
Keywords
breast carcinoma
non-sentinel lymph node metastasis
medical imaging
artificial intelligence
conventional machine learning
deep learning model
分类号
R737.9 [医药卫生—肿瘤]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于医学影像的人工智能模型在预测乳腺癌腋窝非前哨淋巴结转移中的应用进展
孙旭成
毛宁
林凡
王培源
谢海柱
《山东医药》
2025
0
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
