慢性阻塞性肺疾病的人工智能研究进展

人工智能(AI)已广泛应用于慢性阻塞性肺疾病(COPD)的研究,在COPD的临床筛查、预诊分级、风险评估、医学成像和远程监护等方面均取得一定进展。AI不仅可以对未患病人群进行早筛、早诊及早治,也可为COPD病人的治疗和管控提供众多的可行方案。重点就AI在肺气肿量化、CT纹理分析、解剖结构分割等影像诊断应用进展予以综述。

双能CT在胃肠道肿瘤中的研究进展

双能CT(dual⁃energy computed tomography,DECT)首次提出假设是在20世纪70年代,由于技术上的困难,直到2006年才被用于常规临床工作。目前常用的实现双能扫描技术包括双源、瞬时kV切换及双层探测器等。常规单能CT(single⁃energy computed tomography,SECT)能够提供组织和器官的形态学参数,依赖的是不同组织之间的密度差异。

肺结节MR成像的人工智能研究进展

肺癌是全世界发生率和死亡率最高的癌症之一,对肺结节的检出、良恶性诊断以及病理亚型评价是早期肺癌诊治的基础[1]。目前,最常见的肺部检查方法是CT,但CT由于辐射的因素,对孕妇、儿童以及需要长期随访的患者并不推荐。MRI作为一种无电离辐射、无创的方法,能够评估肺部的形态和功能,在肺部病变的成像、检出、诊断和评价中显示出良好的价值[2~5]。人工智能(AI)是一个由计算机科学、数学和神经网络交叉的前沿学科,在临床上主要是用计算机算法帮助完成疾病的诊断,通过对图像特征进行提取、分类,并用提取到的特征构建模型用于疾病的鉴别。深度学习是AI的一个子集,是由多层级联的非线性处理单元构成,从而进行多层次特征学习,其包括卷积神经网络(CNN)、自编码神经网络、深度执行网络(DBN)。目前,深度学习已经广泛应用到CT检查中,表现出良好的临床效能。但在MR上未见较多的报道,本文对AI在MR肺结节中的研究进展进行综述,了解其在肺结节的快速成像、检出和分割、诊断及疗效中的研究进展,并对其未来发展做出展望。