基于超声检查的深度学习与妇科常见肿瘤

摘要

妇科肿瘤是女性生殖系统肿瘤的统称，主要包括子宫肌瘤、子宫颈癌、子宫内膜癌及卵巢癌等，早期诊断对肿瘤的治疗与预后尤为关键。超声检查作为首选的影像学方法存在操作者依赖性强、早期病变识别困难和多模态数据分析效率低等缺陷。近年来，人工智能(artificial intelligence,AI)技术，尤其是深度学习(deep learning,DL)，通过自动提取特征在医学影像分析中展现出了强大潜力。目前，基于超声检查的DL技术在妇科肿瘤疾病中应用广泛，包括肿瘤的检测、分类、术前分期、转移预测及预后评估等。DL算法通过多种技术手段(如迁移学习、集成学习及多模态特征融合)可提升妇科肿瘤超声检查的诊断准确性，并可推动全自动诊断系统的开发。未来需加强多中心研究和多模态技术融合，开发轻量级网络模型，以推动妇科肿瘤诊断与治疗的智能化应用。

关键词

妇科肿瘤 / 超声检查 / 深度学习 / 人工智能 / 神经网络