有限数据下的自动内窥镜超声站识别
原文中文,约300字,阅读约需1分钟。发表于: 。建立利用深度学习技术实时识别胃镜超声过程中胰腺各个站点的人工智能辅助工具,有效帮助医生更高效地进行训练。
该研究提出了一种新的神经距离用于预测胰腺导管腺癌的预后,该方法使用CNN和Transformer模块提取多阶段CT图像中的动态肿瘤相关纹理特征,证实了该方法在临床上的有效性。开发的风险标记是预操作因素中最强的整体生存预测因子,具有潜力选择高危患者并获得新辅助治疗益处。
建立利用深度学习技术实时识别胃镜超声过程中胰腺各个站点的人工智能辅助工具,有效帮助医生更高效地进行训练。
该研究提出了一种新的神经距离用于预测胰腺导管腺癌的预后,该方法使用CNN和Transformer模块提取多阶段CT图像中的动态肿瘤相关纹理特征,证实了该方法在临床上的有效性。开发的风险标记是预操作因素中最强的整体生存预测因子,具有潜力选择高危患者并获得新辅助治疗益处。