|
|
|
题名
|
作者
|
年代
|
出处
|
被引量
|
| 1 | 智能医学影像的发展现状和挑战显示文摘在人工智能发展热潮的背景下,智能医学影像的发展能够满足日益增长的诊疗需要,减轻影像科医师的负担和降低误诊率,提高基层诊疗水平和促进分级诊疗制度落实。该文分析了智能医学影像的政策出台、科研、临床应用和产业化现状。针对目前智能医学影像发展面临局限于单病种、产品鲁棒性有待提高、结果不可解释、存在算法歧视、隐私保护和责任归属法规缺失、产品商用门槛高等挑战,提出了相应的建议。希望智能医学影像的参与各方能够加强合作,各尽其责,促进智能医学影像的良性发展。 | 唐志强(综述) 卓玛 魏巍(审校) | 2020 | 现代医药卫生2020，36，17： | 9 |
| 2 | 基于机器学习的医学影像人工智能领域技术融合预测显示文摘[研究目的]研究旨在实现医学影像人工智能领域的技术融合预测及发展趋势预判,并对基于机器学习的技术融合预测方法进行改进,以避免根据传统研究技术融合的方法进行指标罗列,导致指标体系整体逻辑性不强的局限性。[研究方法]以德温特专利数据库为数据源,依据技术融合的内在机理提出相似性和技术特性指标,构建基于机器学习的技术融合预测框架,并对医学影像人工智能领域进行实证分析。[研究结论]结果显示医学影像所涉技术与数字化信息化技术的融合以及数字化信息化技术之间的融合是当前以及未来的发展主题。此外,该领域技术与语音扩音方面的技术G10L、H04R,信息通信方面技术G16H、G16B、H04L的融合以及教育相关的技术G09B与数据方面的技术G06K的融合可能是未来发展的趋势。该领域的研究验证了框架的可行性。 | 苗红 李男 吴菲菲 沈蕾 | 2022 | 情报杂志2022，41，6： | 8 |
| 3 | 人工智能与医学影像学的应用发展显示文摘人工智能在科技创新的推动下高速发展,人工智能与医学影像学相结合不仅改变了影像诊断模式,更参与影像工作流程的每个方面,极大地提高该领域的诊疗水平,提高工作效率。本文通过文献检索与分析,从人工智能及其发展、人工智能在医学影像中的应用及人工智能在医学影像领域中的挑战等方面进行了论述。 | 张愉 徐来 房梦雅 龚蕾蕾 顾晓松 | 2021 | 交通医学2021，35，1： | 5 |
| 4 | 磁共振成像人工智能的研究现状及发展前景显示文摘随着MRI技术的迅速发展、更加先进的高性能MRI设备的临床投用,以及各种图像后处理软件不断开发,不仅MRI性能和图像质量得到了提高,更重要的是使原来难以发现的组织结构和器官的形态、功能及代谢异常,尤其是一些微小病理改变得以清晰显示,显著提高了影像诊断水平,拓宽了应用领域。随着人工智能(artificial intelligence,AI)技术的飞速发展,以及AI在MRI领域研究的不断深入,诸如肿瘤检出、定性诊断、基因表型及预后预测等应用正迅速从试验阶段过渡到临床试用阶段。本文就近年来国内外关于MRI AI方面的研究现状进行总结,并展望未来发展方向,旨在为MRI技术研究及临床转化提供参考依据。 | 王梅云 | 2023 | 磁共振成像2023，14，3： | 2 |
| 5 | 人工智能在医学影像辅助诊断中的应用现状及前景分析显示文摘人工智能(artificial intelligence,AI)作为信息技术革命的核心内容,已成为传统行业转型以及升级的重要驱动力。在医疗卫生领域,AI技术在解决医疗资源短缺、分配不均以及医患关系紧张等方面具有积极的应用价值。医学影像与AI的结合是最具发展前景的领域,在医学影像学辅助诊断方面,AI不仅提高了疾病筛查的阳性率,在诊断效率以及疾病分级分期方面也提供了参考依据。本文总结AI技术在医学影像诊断中的应用现状,分析AI技术所存在的问题、机遇以及挑战,展望AI技术在医学影像辅助诊断中的发展前景。 | 周建国 符大勇 卢明聪 孟云 王珩 | 2022 | 中国卫生产业2022，19，20： | 1 |
| 6 | T2WI影像组学辅助诊断前列腺癌价值初探显示文摘目的:探讨磁共振T2WI影像组学辅助诊断前列腺癌(PCa)的价值。方法:回顾性分析于芜湖市第二人民医院行双参数MRI(Bp-MRI)检查,第二版前列腺影像报告与数据系统评分为3分和4分患者的临床、病理及影像资料。甲乙两名影像科医师独立阅片并计时,并做出PCa或非PCa的诊断。运用AK软件进行影像组学特征提取并建模,1个月后,甲乙两者在获得影像组学分类结果的情况下重新诊断并计时。Kappa分析操作者间一致性;ROC曲线分析各方案的诊断效能。结果:甲乙两者运用Bp-MRI方案和在影像组学辅助下诊断的一致性均较高,Kappa值分别为0.747、0.814。训练集曲线下面积(AUC)为0.83(0.79~0.88),验证集AUC为0.78(0.62~0.93)。甲乙两者单独运用Bp-MRI检出PCa的AUC分别为0.81、0.82,在影像组学辅助下诊断耗时分别减少9.8%和12.6%,AUC分别为0.86、0.89。结论:T2WI影像组学辅助诊断可以提高PCa和非PCa的分类结果,缩短诊断耗时,提升操作者间的一致性,有明确临床获益。 | 张晓金 汪建文 张虎 徐承东 徐家军 张京刚 | 2021 | 皖南医学院学报2021，40，2： | 0 |
| 7 | 深度学习在胸部CT肺结节诊断中的应用进展显示文摘肺癌的病死率在全球范围内居恶性肿瘤之首。防治肺癌的关键是早发现和早诊断恶性肺结节,因此开发一种有效的早期诊断筛查方法是肺癌诊治长期以来的目标。CT筛查的普及可降低肺癌病死率,但同时对影像诊断在工作量、敏感性、准确性方面也带来了新挑战。近年来,人工智能在肺结节评估方面取得了显著进展,其中深度学习是一种正在快速发展的技术,被认为是医学图像分析领域检测、表征和评估病变的有利工具。本文综述了近年来深度学习在CT扫描肺结节检出和诊断方面的进展,同时概述了一些局限性和挑战性,以期提高临床医师在深度学习辅助诊断肺结节中的认识。 | 陈迪 钟铠泽 肖要来 | 2022 | 国际呼吸杂志2022，42，23： | 0 |
您所在的机构暂未开通此部分的功能，请联系管理员