[1]王新宇,赵静文,刘翔,等.人工智能在肺结节筛查和肺癌诊断中的应用[J].中国医学物理学杂志,2023,40(9):1182-1188.[doi:DOI:10.3969/j.issn.1005-202X.2023.09.020]
 WANG Xinyu,ZHAO Jingwen,LIU Xiang,et al.Applications of artificial intelligence in lung nodule detection and lung cancer diagnosis[J].Chinese Journal of Medical Physics,2023,40(9):1182-1188.[doi:DOI:10.3969/j.issn.1005-202X.2023.09.020]
点击复制

人工智能在肺结节筛查和肺癌诊断中的应用()
分享到:

《中国医学物理学杂志》[ISSN:1005-202X/CN:44-1351/R]

卷:
40卷
期数:
2023年第9期
页码:
1182-1188
栏目:
医学人工智能
出版日期:
2023-09-26

文章信息/Info

Title:
Applications of artificial intelligence in lung nodule detection and lung cancer diagnosis
文章编号:
1005-202X(2023)09-1182-07
作者:
王新宇1赵静文1刘翔1石蕴玉1佘云浪2
1.上海工程技术大学电子电气工程学院, 上海 201620; 2.同济大学附属上海市肺科医院胸外科, 上海 200433
Author(s):
WANG Xinyu1 ZHAO Jingwen1 LIU Xiang1 SHI Yunyu1 SHE Yunlang2
1. School of Electronic and Electrical Engineering, Shanghai University of Engineering Science, Shanghai 201620, China 2. Department of Thoracic Surgery, Shanghai Pulmonary Hospital, Tongji University, Shanghai 200433, China
关键词:
肺癌肺结节人工智能深度学习影像学综述
Keywords:
Keywords: lung cancer lung?odule artificial intelligence deep learning imaging review
分类号:
R318;R563
DOI:
DOI:10.3969/j.issn.1005-202X.2023.09.020
文献标志码:
A
摘要:
肺癌是影响人类健康和寿命最大的恶性肿瘤之一,肺结节的筛查与肺癌的早期诊断可以帮助患者尽早开始治疗。随着癌症进入精准治疗的时代,人工智能在其中扮演重要的角色,可以实现对肺结节和肺癌的检测、分割以及性质判断,极大地提高医生诊断的效率,优化医疗资源配置,因此基于医学影像的人工智能方法已经广泛应用于肺结节和肺癌的筛查、早期诊断、分级与预后。本研究基于CT、PET、PET-CT、3D-CT、MRI、病理图像6种成像方式综述了人工智能在肺结节筛查和肺癌诊断中的应用与发展,并指出其临床应用价值以及未来可能的研究方向。
Abstract:
Abstract: Lung tumor is one of the largest malignant tumors threatening human health and life. The detection of lung?odules and the early diagnosis of lung cancer can help patients start treatment as soon as possible. As the development of precision treatment, artificial intelligence is playing an increasingly important role for it can realize the detection, segmentation and property determination of lung nodules and lung cancer, greatly improve the diagnostic efficacy, and optimize the allocation of medical resources. Therefore, artificial intelligence methods based on medical images have been widely used in the detection, early diagnosis, grading and prognosis of lung nodules and lung cancer. Herein the application and development of artificial intelligence in the detection of lung?odules and the early diagnosis of lung cancer based on CT, PET, PET-CT, 3D-CT, MR and pathological images are reviewed, and the potential challenges and future research are further put forward.

相似文献/References:

[1]史贵连,叶福丽.肺癌调强放疗计划的设计[J].中国医学物理学杂志,2015,32(03):361.[doi:10.3969/j.issn.1005-202X.2015.03.013]
[2]朱夫海,吴伟章,王 勇,等.肺癌螺旋断层放疗计划设计的初步研究[J].中国医学物理学杂志,2014,31(04):4979.[doi:10.3969/j.issn.1005-202X.2014.04.002]
[3]翁邓胡,王 建,尹中明,等.基于锥形束CT研究肺癌图像引导放疗的内靶区外放边界值[J].中国医学物理学杂志,2014,31(04):5012.[doi:10.3969/j.issn.1005-202X.2014.04.009]
[4]彭莹莹,张书旭,谭剑明,等.基于PCNN的PET/CT图像分割在肺癌靶区勾画中的应用[J].中国医学物理学杂志,2014,31(04):5022.[doi:10.3969/j.issn.1005-202X.2014.04.011]
[5]王 涛,王运来.基于4D-CT和Mimics软件模拟分析肺癌肿瘤的呼吸运动规律[J].中国医学物理学杂志,2014,31(05):5132.[doi:10.3969/j.issn.1005-202X.2014.05.008]
[6]周 琼,周剑良,张一戈,等.基于锥形束CT肺癌放射治疗两种体位固定技术摆位误差的研究[J].中国医学物理学杂志,2014,31(06):5258.[doi:10.3969/j.issn.1005-202X.2014.06.008]
[7]张矛,金海国,苏清秀,等.肺癌静态调强与容积旋转调强放射治疗间比较[J].中国医学物理学杂志,2013,30(05):4364.[doi:10.3969/j.issn.1005-202X.2013.05.006]
[8]罗焕丽,靳富,王颖,等.肿瘤放疗中体外误差与体内误差的关联性[J].中国医学物理学杂志,2016,33(1):10.[doi:DOI:10.3969/j.issn.1005-202X.2016.01.003]
 [J].Chinese Journal of Medical Physics,2016,33(9):10.[doi:DOI:10.3969/j.issn.1005-202X.2016.01.003]
[9]王琳婧,张书旭,袁克虹,等.基于图像变形配准的肺癌自适应放疗剂量学研究[J].中国医学物理学杂志,2016,33(1):16.[doi:DOI:10.3969/j.issn.1005-202X.2016.01.004]
 [J].Chinese Journal of Medical Physics,2016,33(9):16.[doi:DOI:10.3969/j.issn.1005-202X.2016.01.004]
[10]李政良,等.4DCT下肺癌大体肿瘤的变化及相关因素分析[J].中国医学物理学杂志,2016,33(2):208.[doi:10.3969/j.issn.1005-202X.2016.02.021]
[11]牛树国,周福兴,颜克松,等.不同CT阈值下实性成分占比对小肺癌浸润性预测的影响[J].中国医学物理学杂志,2024,41(3):323.[doi:DOI:10.3969/j.issn.1005-202X.2024.03.009]
 NIU Shuguo,ZHOU Fuxing,YAN Kesong,et al.Predictive value of consolidation/tumor ratio at different CT thresholds for invasiveness in small lung cancer[J].Chinese Journal of Medical Physics,2024,41(9):323.[doi:DOI:10.3969/j.issn.1005-202X.2024.03.009]

备注/Memo

备注/Memo:
【收稿日期】2023-03-15 【基金项目】上海市自然科学基金(19ZR1421500) 【作者简介】王新宇,硕士,研究方向:医学图像处理、深度学习,E-mail: 13263693196@163.com 【通信作者】赵静文,博士,讲师,研究方向:医学图像处理、目标识别与检测,E-mail: jingwen_echo@outlook.com
更新日期/Last Update: 2023-09-26