| 乔健一，李雅迪，王鹏远，辛军.影像组学与机器学习在非小细胞肺癌淋巴结分期中的应用[J].放射学实践,2024,(03):421-426 |
| 影像组学与机器学习在非小细胞肺癌淋巴结分期中的应用 |
|
| |
| DOI：10.13609/j.cnki.1000-0313.2024.03.021 |
| 中文关键词: 肺肿瘤 非小细胞肺癌 影像组学 机器学习 淋巴结分期 |
| 基金项目: |
|
| 摘要点击次数: 1877 |
| 全文下载次数: 2876 |
| 中文摘要: |
| 【摘要】肺癌是最常见的肿瘤，也是死亡率最高的肿瘤。近年来，人工智能在科技创新的推动下迅速发展，并已经成功应用于医疗健康等领域。机器学习、影像组学是人工智能领域的重要方法。机器学习是指通过经验学习改善具体算法的性能研究，影像组学指高通量地提取大量描述肿瘤特征性的影像特征的方法。本文总结了影像组学和机器学习在非小细胞肺癌淋巴结分期（N分期）中的应用。 |
| |
|
查看全文
下载PDF阅读器 |
| 关闭 |
