影像组学与深度学习在评价直肠癌淋巴结状态中的应用

作     者：李清扬 张晓燕 孙应实 Li Qingyang;Zhang Xiaoyan;Sun Yingshi

作者机构：北京大学肿瘤医院暨北京市肿瘤防治研究所医学影像科、恶性肿瘤发病机制及转化研究教育部重点实验室北京100142 

出 版 物：《中华放射学杂志》 (Chinese Journal of Radiology)

年 卷 期：2023年第57卷第2期

页      面：231-234页

核心收录：

学科分类：1002[医学-临床医学] 100214[医学-肿瘤学] 10[医学] 

基　　金：国家自然科学基金(81971584) 北京市医院管理中心登峰计划(DFL20191103) 北京市医院管理局重点医学专业发展计划(ZYLX201803)。 

主　　题：直肠肿瘤 淋巴结转移 影像组学 深度学习 

摘      要：术前是否存在淋巴结转移是影响直肠癌临床治疗决策和预后的主要因素之一, 但现有的影像学标准难以准确判断淋巴结的良恶性, 亟需新的方法来解决这一临床难题。近年来影像组学与深度学习在医学影像领域得到了广泛的关注, 可自动检测与分割淋巴结、鉴别良恶性淋巴结及预测淋巴结转移的发生等, 有望提高术前分期的准确性, 进而指导治疗决策。然而不同的研究间结果差异性较大, 其中一个重要的原因是各研究之间工作流程存在差异。只有明确、统一并标准化具体操作流程、开展大规模前瞻性外部验证才能实现人工智能辅助诊断模型的转化与推广。该文中以影像组学和深度学习的工作流程为线索, 对其在评价直肠癌淋巴结状态方面的研究进行综述。