如何引证项目

深度学习在肿瘤组织病理图像分析中的应用

   
@article{LCBL42888,
	author = {贵璇 徐 和 阳 王 和 杨杨 张 和 春森 李 和 春霞 刘 和 锋 李},
	title = {深度学习在肿瘤组织病理图像分析中的应用},
	journal = {临床与病理杂志},
	volume = {41},
	number = {6},
	year = {2021},
	keywords = {},
	abstract = {全载玻片数字扫描技术自1999年首次提出以来，在许多病理领域得到应用和验证。近年来，将先进的人工智能(artificial intelligence，AI)技术应用于医学诊断领域，不仅为改善医疗保健提供了新思路，也掀起了在肿瘤病理学领域研究的新浪潮。在大数据及数字显微技术背景下，深度学习(deep learning，DL)作为实现AI的一种新兴手段，在肿瘤检测、分类、转移和预后预测等组织病理图像分析中显示出巨大潜力。传统病理诊断结果受病理医师个人知识储备、临床经验以及逻辑思维方式的影响，主观性强且重复率低。AI作为一种新技术，在辅助病理医师进行病理诊断时，可以在一定程度上规避上述人为因素，减少人工失误，提高病理诊断的准确率和重复率，支持实时诊断决策。这不仅能够缓解医疗卫生资源的压力，而且能够为精准医疗助力。本文就DL在肺癌、乳腺癌、前列腺癌组织病理图像分析中的应用现状、机遇及挑战作一综述，并从病理医师角度讨论模型开发和应用监管中存在的问题。},
	url = {https://lcbl.amegroups.com/article/view/42888}
}