基于机器学习的超声造影分析综述

摘要：

超声造影(Contrast-enhanced ultrasound,CEUS)通过外周静脉注入超声造影剂,显著增强来自肿瘤微血管的血流信号,便于临床医生以实时、动态的方式评估肿瘤血管生成、周边浸润等,广泛应用于多器官病变诊断、预后评估和治疗方案规划等方面.近年来,以深度学习为代表的机器学习方法快速发展,为动态超声造影智能分析带来新的机遇.深度学习方法很大程度上拓宽了超声造影临床应用范围,提高了其诊疗效能.但与常规超声影像类似,超声造影仍然存在斑点噪声、呼吸运动干扰和标准化程度低等问题,使得动态灌注时间、空间信息挖掘面临挑战.本文系统性回顾了近年来超声造影智能分析相关工作,涵盖良恶性鉴别、恶性分级、疗效预测和诊疗方案选择等方面应用,总结了当前影像组学及深度学习方法在超声造影分析领域的最新进展,并指出当前研究的局限性和未来发展方向.

关键词：超声造影、深度学习、影像组学、疾病诊断

所属期刊栏目：38

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金;国家自然科学基金;江苏省重点研发计划

在线出版日期：2023-08-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共18页

页码：741-758