深度学习在甲状腺结节良恶性分类中的应用进展
摘要
甲状腺结节是成人临床最常见的结节性病变之一，发病率一直居高不下。甲状腺结节有良性和恶性之分，后者即为甲状腺癌，会造成患者呼吸吞吐困难甚至危及患者生命。因此，识别甲状腺结节的良恶性是诊断和治疗甲状腺结节的首要问题。深度学习能够自动提取结节特征，并完成甲状腺结节的良恶性初步分类。随着深度学习分类准确率的不断提高，目前它已成为甲状腺结节良恶性辅助诊断的重要手段。为更好地进行甲状腺结节良恶性分类辅助诊断研究，对常用的结节分类性能评价指标进行介绍；按卷积神经网络、Transformer、深度神经网络、生成对抗网络、迁移学习、集成学习以及基于深度学习的计算机辅助诊断系统进行分类，对它们在甲状腺结节良恶性分类中的应用进行阐述，并进行综合对比分析；总结了目前研究中存在的问题，并对未来的研究方向进行了展望。
引用本文（GB/T 7714）
张文凯 Zhang Wenkai, 王晓燕 Wang Xiaoyan, 刘静 Liu Jing, 等. 深度学习在甲状腺结节良恶性分类中的应用进展[J]. Laser & Optoelectronics Progress, 2024.
引文网络
本站仅收录题录与摘要供学习参考，全文版权归属出版方；如有侵权请联系我们删除。