人工智能在结直肠癌医学影像中的临床应用

结直肠癌是结肠癌和直肠癌的统称,是常见的消化道恶性肿瘤。医学影像是结直肠癌分期、分子分型预测、疗效评估和预后预测至关重要的辅助手段,其研究一直是医学领域的焦点。人工智能领域的影像组学和深度学习技术通过从医学影像中提取出肉眼无法获得的肿瘤信息,为全面评估肿瘤异质性提供了新的技术,令个性化医学迈入了新的阶段。本文对人工智能在结直肠癌领域的应用现状作一述评,并对未来发展趋势予以展望。     

医学影像人工智能：进展和未来

基于医学影像构建的人工智能（AI）系统已在疾病诊疗方面展现出了巨大的应用潜能。然而,距离临床应用仍面临着诸多挑战。就医学影像数据标准化、模型泛化性、生物学可解释性、医学数据孤岛与隐私保护等方面来探讨医学影像AI的进展与未来。在未来的工作中,有必要引入更多新技术、新理论,构建高效、泛化性强的医学影像AI标准化数据库,积极推进医学影像AI在疾病诊疗领域的临床应用。     

人工智能助力头颈部疾病精准诊疗

影像组学和深度学习等人工智能方法已在头颈部疾病筛查、诊断与鉴别诊断、分期分级、疗效评估与预测以及预后预测等方面显示出明显的优势,为个性化精准诊疗提供了关键信息和依据,提升了诊疗效果。与此同时,人工智能在头颈部疾病应用方面也面临巨大挑战,只有以患者为中心和解决临床问题为原则设计好人工智能研究方案,充分发挥多学科交叉的优势...     

人工智能在乳腺影像中的应用研究进展

乳腺癌是世界范围内女性最常见的恶性肿瘤,寻找影像学标志物用于该疾病的精准诊断、疗效评估和预后预测,可辅助临床制订个体化治疗方案。人工智能是当下医疗机构、科研领域、产业界和政府共同关注的焦点。它在医学影像中的应用包括两大技术：影像组学和深度学习。目前基于乳腺MRI、超声及X线的人工智能在实际临床问题和算法方面的研究越来越广泛和深入,本文就基于人工智能技术在乳腺影像中研究现状进行综述。     

促进人工智能在腹部影像中的应用

<正>在腹部疾病的诊疗工作中,影像检查的临床需求量巨大,但放射科医师数量的增长和临床经验的积累远不及影像数据的增长速度,谋求人工智能(AI)与影像数据交叉融合,可减轻放射科医师处理海量影像数据的压力。目前,针对腹部疾病,基于CT和MRI数据以深度学习或深度神经网络技术为核心,已研发了多个人工智能辅助影像的定量分析算法,可实现疾病的早期诊断、精准诊断、疗效评估和预测,可显著提高放射科医生处理影像信息的效率和准确性,可为临床诊疗提供定量依据。     

人工智能在腹部影像的研究现状与展望

【摘要】随着计算机计算能力的显著提高、深度学习算法的更新以及大型数据集的可用性,迅速地推动着人工智能在医学影像中的应用。人工智能可从影像图像中提取人眼无法辨别的有价值信息,并且为分析图像数据提供了有前途的新方法,使得放射科医生有可能将人工智能纳入临床实践中。本文就人工智能在腹部影像的研究现状做简要介绍,并展望人工智能在腹部影像学中应用的前景。     

客观看待人工智能在医学影像中的作用

【摘要】人工智能（AI）近年来发展迅猛,对各行各业产生了深远影响。近年来AI在医疗行业的应用有了众多的进展,AI技术确实到了一个能够在医疗上逐步实现应用的阶段,但是也不能过度神话。现在的AI技术在医学的应用还处于初级阶段,距离临床生根发芽,开花结果还有很长一段路要走。正确认识、客观对待,才能促进医学影像AI的持续健康发展。     

人工智能在医学影像CAD中的应用

深度学习是目前人工智能领域备受关注和极具应用前景的机器学习算法，有望革新传统计算机辅助诊断系统，在精准影像诊断中发挥重要作用。本文就人工智能、机器学习、深度学习、卷积神经网络、迁移学习的基本概念以及基于深度学习的计算机辅助诊断系统在肺、乳腺、心脏、颅脑、肝脏、前列腺、骨骼影像领域及病理领域的研究现状予以综述。     

人工智能在乳腺影像领域的应用现状

【摘要】乳腺癌在全球范围内发病率高，而乳腺癌的早期发现在很大程度上能提高生存率，改善预后。随着现在计算机存储、运算能力的提升和医学影像大数据的发展，特别是深度学习在医学中的应用，人工智能越来越广泛用于医学影像领域。本文就人工智能在乳腺影像领域的应用现状进行综述。     

基于深度学习的人工智能在肌骨影像中的研究进展

人工智能(AI)已成为当今社会信息技术领域最重要的技术革命,随着深度学习算法的进步及硬件的升级,人工智能发展迅猛.基于深度学习的人工智能在医学影像的图像分割、图像分类识别和计算机辅助诊断方面都有较大的发展,本文主要讲述人工智能在肌骨影像中的研究进展.     

医学影像专家系统的研究和应用

医学诊断、治疗专家系统(expert system,ES)是一种具有特定医学领域内大量权威性知识和经验的程序系统[1],是应用人工智能(artificial intelligence,AI)技术来模拟医学专家的诊断思路,随时向医生提供各种数据和可能的常规诊疗方案以供选择,帮助解决复杂的医学问题,起到“延伸记     

人工智能在中枢神经疾病影像学中的应用

人工智能（AI）的发展对人类生活的各个领域产生了巨大的影响,尤其是影像医学的天然属性让AI与医学影像的结合走到了医学的前沿。AI在减少医生的主观差错及提高医生的诊断效率方面起到重要作用。就AI在中枢神经系统影像诊疗中的作用及面临的挑战和发展前景进行总结和评述。     

影像组学与深度学习在肿瘤放疗中的研究进展

影像组学作为一种非侵入性的图像分析方法,能够深度发掘隐藏在医学影像背后的临床信息。深度学习技术的发展将影像组学研究提升到了新的高度,大量研究结果证实了其在肿瘤放疗中的应用价值。笔者从影像组学的研究背景出发,就其在肿瘤放疗中的研究进展进行综述。     

人工智能影像组学在肺癌诊疗应用的可视化分析

目的 分析人工智能影像组学在肺癌诊疗应用研究的发展现状,预测未来研究趋势。方法 通过CiteSpace软件对该领域文章的年度分布、期刊、国家、机构、作者、关键词等进行可视化分析。结果 共纳入1937篇相关文献,反映自2012年以来,发文量逐年增加;现阶段“特征筛选”、“定量成像”、“计算机辅助诊断”、“深度学习”、“机器学习”等词为该领域的热点关键词;“个体化治疗”、“肿瘤成像”、“自然语言处理”是未来的研究趋势。结论 人工智能影像组学在肺癌诊疗应用研究发展前景可观,未来通过自然语言处理等人工智能影像组学技术将肿瘤成像等资料进行全面分析,进而为肺癌患者提供更加精准的个体化医学治疗方案或许是该领域的研究热点及前沿。     

大数据概念在医学影像中的应用探索

大数据(big data)概念的兴起是随着信息技术和统计技术的发展而来的,在商业和社会科学领域展现了一定的应用价值,在健康领域的应用也初步得到认可.但由于医学影像专业的特点,大数据的应用仍处于初步探索阶段.本文对大数据在医学影像学领域的应用进展作一综述.     

积极推动影像组学的临床应用研究

近年来,医学影像设备不断升级换代,随着精准医学模式的提出和发展,传统的医学影像阅片方式已不能满足日益增长的影像学数据的客观需求,亟需开发一种新的方法或技术,为此,影像组学(Radiomics)应运而生.2012年,Lambin等[1]首次提出了影像组学的概念,即从影像图像中提取大量影像学特征,通过高通量定量分析,将影像图像转化为具有高分辨率的、可发掘的空间数据.随后,影像组学的概念得到了进一步拓展,即从CT、MRI或PET等影像图像中提取大量数据,并对之进行高通量定量分析,得到高保真的目标信息来综合评价肿瘤的各种空间、时间上的异质性,包括基因、蛋白质、细胞、微环境、组织和器官等诸多层次的信息[2-4].近3年来,影像组学得到了迅猛发展,成为临床医学和生物医学工程领域的研究热点,在临床实践中的指导价值也受到越来越广泛的重视,并取得了相当可观的结果[5-7].     

医学影像与人工智能

在医疗行业应用场景中,医学影像人工智能在产学研上均取得快速进展:医学影像人工智能研究初现了良好的研发态势及广阔的落地场景;人工智能在医学影像领域的进展表现在医疗影像设备、影像诊断及其智能服务等诸多方面;学术交流日益活跃,积极探讨人工智能的学术进展及未来发展;有关医疗人工智能发展的权威性报告亦相继发布。本期重点号刊登了几篇医学影像人工智能方面的文章,从不同角度展示人工智能在医学影像领域的最新研究成果和产品落地场景。     

基于影像组学的人工智能在脑胶质瘤 MRI诊断中的应用

影像组学能够从影像大数据中挖掘潜在的信息以利于实现精准医疗。基于影像组学的人工智能（AI）技术能实现计算机模拟人类思维,代替人工高效地进行数据挖掘。医学影像学的AI技术能有效辅助放射科医生对脑胶质瘤的MR影像诊断。综述基于影像组学的AI技术在脑胶质瘤的分级诊断、鉴别诊断、预后评估等方面的应用研究。