跳到主要内容
检索

Qilu Hospital of Shandong University

2 篇关联报道

订阅更新
  1. 基于注意力机制的多任务深度学习模型预测原发灶不明颈部转移性鳞癌的原发部位

    该单中心回顾性研究构建了基于ResNet+CBAM注意力模块、并融合DNN+Transformer临床特征的多任务深度学习模型,利用颈部增强CT图像同步预测淋巴结良恶性与原发部位,在测试集(457例)中良恶性AUC为0.851、原发部位Micro-AUC为0.819、Top-1与Top-3准确率为79%和93%,在真实CMSCCUP队列(172例)中Micro-AUC为0.809、Top-3准确率为88%,并显著提升了初级医生的预测准确率(P值均<0.001)。

  2. 人工智能在头颈部肿瘤诊疗中的应用进展:一篇综述性总结

    该文综述了人工智能在头颈部肿瘤从筛查诊断到随访管理全链条中的应用进展,指出内镜图像、CT/MRI影像、数字病理、超声及多组学数据是主要数据模态,AI辅助内镜判读与影像分析可提升病变识别准确性、减少操作者依赖性并有助于隐匿性淋巴结转移的无创预测,但现有证据多来自单中心回顾性研究,治疗反应预测的前瞻性证据仍较有限。

已读完全部报道