基于深度学习的人工智能在肺结节诊断领域的进展

摘要：

肺癌是死亡率最高的恶性肿瘤,肺结节的早期检测是降低肺癌死亡率的关键.基于深度学习的人工智能技术可通过自我学习,不断提高肺结节检测和诊断的准确率,是实现计算机辅助诊断的重要手段.本文介绍了人工智能、机器学习、深度学习的概念及三者间的关系,阐述了4种常见的深度学习模型:卷积神经网络、海量训练人工神经网络、自编码器和深度信念网络.卷积神经网络是最常用的深度学习模型,主要包括二维卷积神经网络、三维卷积神经网络和多流、多尺度的卷积神经网络,其中的多流、多尺度的卷积神经网络更有利于肺结节的分类;海量训练人工神经网络在有限的肺结节训练样本中具有优势;自编码器可以在较低维空间下对肺结节进行检测;深度信念网络是一种生成模式,与极限学习机结合可提高肺结节的诊断率.另外,本研究分析了目前人工智能存在的问题:标记图像过少、可解释性和可控制性不足、存在伦理和法律问题.总之,基于深度学习的人工智能不仅改变了影像学,也改变了所有其他的医学领域,具有广阔的应用前景.

关键词：深度学习、机器学习、人工智能、肺结节、神经网络

所属期刊栏目：43

资助基金：山东省自然科学基金计划;山东省医药卫生科技发展计划

在线出版日期：2020-07-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：365-368