影像组学与机器学习在非小细胞肺癌淋巴结分期中的应用  

作　　者：乔健一 李雅迪 王鹏远[2] 辛军[2] 

机构地区：[1]中国医科大学附属盛京医院核医学科,沈阳110004 [2]中国医科大学附属盛京医院放射科,沈阳110004

出　　处：《放射学实践》2024年第3期421-426,共6页Radiologic Practice

摘　　要：肺癌是最常见的肿瘤,也是死亡率最高的肿瘤。近年来,人工智能在科技创新的推动下迅速发展,并已经成功应用于医疗健康等领域。机器学习、影像组学是人工智能领域的重要方法。机器学习是指通过经验学习改善具体算法的性能研究,影像组学指高通量地提取大量描述肿瘤特征性的影像特征的方法。本文总结了影像组学和机器学习在非小细胞肺癌淋巴结分期(N分期)中的应用。

关 键 词：肺肿瘤 非小细胞肺癌 影像组学 机器学习 淋巴结分期 

分 类 号：R814.42[医药卫生—影像医学与核医学] R734.2[医药卫生—放射医学] R-05[医药卫生—临床医学]