人工智能与深度学习在肺栓塞CT成像中的研究进展
肺栓塞(pulmonary embolism,PE)是各种栓子阻塞肺动脉或其分支系统导致的一组疾病和临床综合征的总称[1].急性肺栓塞具有较高的发病率及病死率.研究表明,已确诊的PE患者一个月内的死亡率可达10％～20％,已成为继心脏衰竭和脑卒中后心脑血管疾病死亡的第三大病因[2].临床上常以 CT 肺动脉造影(computed tomography pulmonary an-giograph,CTPA)作为首选检查手段,具有很高的敏感度和特异度,可以在直观地发现动脉管腔内栓子的同时,对疾病进行定性、定量诊断,CTPA对明确栓塞病变部位、阻塞程度以及右心结构功能评估等有较高价值.深度学习(deep learn-ing,DL)属于机器学习(machine learning,ML)领域,可以划分为图像预处理、特征筛选和特征建模三个阶段,在对PE患者的CT成像中,通过大数据与高通量的图像信息处理优化影像诊断过程,与传统的人眼识别PE的图像特征相比,利用人工智能(artificial intelligence,AI)手段加以辅助,不仅可以提高诊断速度,也大大简化PE患者就诊的流程,缩短确诊时间,诊断的同时也可以及时提供该患者的预后评估信息,在PE患者CT成像中具有较高的研究价值[3～5],是疾病早期诊断及预后评估的研究趋势.除此之外,AI技术辅助诊断PE对影像诊断医师也是极大的助力,可减轻医师工作负担,提升诊断效率、质量.
肺栓塞、深度学习、人工智能
41
R563.5;TP391.41;TP18
2023-01-09（万方平台首次上网日期，不代表论文的发表时间）
共3页
1796-1798
