基于人工智能的影像组学在卵巢癌中的应用进展
戚鲁颖
赵红星
卞琥珀
薛靖楠
陈洁琼
湖州师范学院附属第一医院放射科 浙江 湖州 313000
摘要：卵巢癌(OC)是女性生殖系统常见的恶性肿瘤,发现时多处于晚期,预后差,并且易复发.目前,OC的诊断主要依靠影像学与病理学检查,但灵敏度、特异度有限.新兴的影像组学技术能够从医学图像中提取定量成像特征,将视觉影像信息转化为更深层次的特征来定量评估病变.人工智能是一种能够模拟计算机并超越人类智能的计算机算法,其与影像组学的结合进一步推动了OC在识别、分割、诊断、分类、淋巴结转移、疗效评价、生存预测与复发监测等方面的发展.目前,3D U-Net可实现OC自动化分割,影像组学与深度学习结合可术前无创鉴别良恶性OC,影像组学与临床指标联合可术前辅助诊断OC淋巴结转移,影像组学、卷积神经网络等可提升OC生存预测和复发风险评估准确性.
关键词：卵巢癌人工智能影像组学深度学习
分类号：R737.31(泌尿生殖器肿瘤)
资助基金：湖州市科学技术局公益性应用研究项目(2024GYB23)
论文发表日期：2025-12-30
在线出版日期：2026-02-04（本平台首次上网日期，不代表文献的发表时间）
页数：5( 153-157 )
英文信息