用于非对比度 CT 扫描的肺栓塞识别的跨相位互相学习框架
原文中文，约400字，阅读约需1分钟。发表于：。本研究探索在急诊情况下采用深度学习方法将非对比 CT 扫描应用于肺栓塞的可行性，并提出了一种新的交叉阶段互相学习的框架（CPMN），通过多任务方式进行栓塞分割和异常性分类。实验结果表明，CPMN 在 NCT 扫描上的患者级敏感性和特异性达到 95.4％和 99.6％，证明了我们的方法在临床实践中作为一种经济、可访问和准确的肺栓塞识别工具的潜力。
COVID-19大流行病反应凸显了深度学习方法在通过CT对肺部疾病进行自动分割的潜力。研究使用多态训练优化了一个网络，结合6000多个手动和自动标签的CT扫描，开发了一种用于肺部、气道、肺动脉和肺病变分割的端到端方法。在地面玻璃浑浊度和病变分割方面取得了最先进的性能。提供了一个开源实现的链接。
