您的位置:主页 > 新闻中心 > 企业新闻 >

腾讯医疗AI最新研究成果,用深度学习分割头颈组织区域助力靶向治疗

企业新闻 / 2021-10-29 01:38

本文摘要:近日,医疗AI实验室与美国加州大学牵头公布近期研究成果《器官神经网络:深度自学用作较慢和全自动整体头颈严重威胁器官靶区勾画》。据理解,在传统的头颈癌超声过程中,为了确保仅次于程度让放射计都集中于在靶区内,减少其他长时间的组织和器官受到影响的有可能,医生一般来说不会根据患者的CT图像手绘超声靶区和严重威胁器官。 但实际问题是,手绘不会花费医生大量的时间,对于患者来说,不仅化疗效率较低,更加最重要的是可能会耽搁最佳化疗时间。

亚博全站APP登录

亚博全站APP登录

近日,医疗AI实验室与美国加州大学牵头公布近期研究成果《器官神经网络:深度自学用作较慢和全自动整体头颈严重威胁器官靶区勾画》。据理解,在传统的头颈癌超声过程中,为了确保仅次于程度让放射计都集中于在靶区内,减少其他长时间的组织和器官受到影响的有可能,医生一般来说不会根据患者的CT图像手绘超声靶区和严重威胁器官。

但实际问题是,手绘不会花费医生大量的时间,对于患者来说,不仅化疗效率较低,更加最重要的是可能会耽搁最佳化疗时间。因此,医疗AI实验室和加州大学明确提出,用深度自学模型创建一个“器官神经网络”,在1秒钟内对整张CT所有切片展开器官拆分,并展开头颈恶性肿瘤部分的勾画,从而保证放射计的精准静脉注射。医疗AI实验室方面回应,在与合作医院的临床测试中,其器官神经网络大幅度增加了医生的工作时间,且一定程度上提升了勾画准确率。

涉及数据统计资料表明,每年全球约不会有超强60万人患上头颈部癌症,靶向放射治疗是大多数患者的选用化疗方式。但由于头颈部最重要神经和器官较多,因此其拆分区分工作十分简单。一旦隔绝工作没做准确,周围的组织损毁将很有可能不可逆。而AI在替代人工方面,仅次于的优势就在于效率。

亚博全站APP登录

此次将深度自学涉及技术用作头颈区域及的组织拆分,是在医疗领域的一次尝试,更加医生及患者获取了更加有效地的化疗方式。目前,这一研究成果已被公开发表在国际权威期刊《MedicalPhysics》上。


本文关键词:腾讯,医疗,最新,研究成果,用,亚博全站官网登录,深度,学习,分割

本文来源:亚博全站APP登录-www.jiajen.com