基于深度学习构建高频超声-病理图像配准及组织成分预测模型的体外研究

周文文; 柴志菲; 徐明; 黄通毅; 赵泽; 任菲; 张晓儿; 谢晓燕

doi:10.19732/j.cnki.2096-6210.2024.06.003

您当前的位置：

首页 >

文章列表页 >

基于深度学习构建高频超声-病理图像配准及组织成分预测模型的体外研究

更新时间：2025-12-15

- 基于深度学习构建高频超声-病理图像配准及组织成分预测模型的体外研究
- In vitro study of constructing a high-frequency ultrasound-pathology image registration and tissue composition predictive model based on deep learning
- “在医学影像领域，研究者基于深度学习网络，建立了高频超声与病理图像融合配准方法，并构建病理组织成分模型，为临床应用提供方法学依据。”
- 肿瘤影像学 2024年33卷第6期页码：586-592
- 作者机构：
  
  1. 中山大学附属第一医院超声医学科，广东广州 510080
  2. 南京医科大学附属苏州医院苏州市立医院超声中心，江苏苏州 215002
  3. 中国科学院大学计算机学院，北京 101408
  4. 中国科学院计算技术研究所，北京 100190
- 作者简介：
  
  谢晓燕 E-mail: xiexyan@mail.sysu.edu.cn
- 基金信息：
  
  国家自然科学基金重大项目(92059201);国家自然科学基金面上项目(82071951);国家自然科学基金青年项目(82402297)
- DOI：10.19732/j.cnki.2096-6210.2024.06.003
  中图分类号：
- 收稿：2024-10-05，
  
  网络出版：2025-01-02，
  
  纸质出版：2024-12-28
- 稿件说明：
移动端阅览
周文文, 柴志菲, 徐明, 等. 基于深度学习构建高频超声-病理图像配准及组织成分预测模型的体外研究[J]. 肿瘤影像学, 2024,33(6):586-592.

Wenwen ZHOU, Zhifei CHAI, Ming XU, et al. In vitro study of constructing a high-frequency ultrasound-pathology image registration and tissue composition predictive model based on deep learning[J]. Oncoradiology, 2024, 33(6): 586-592.
周文文, 柴志菲, 徐明, 等. 基于深度学习构建高频超声-病理图像配准及组织成分预测模型的体外研究[J]. 肿瘤影像学, 2024,33(6):586-592. DOI： 10.19732/j.cnki.2096-6210.2024.06.003.

Wenwen ZHOU, Zhifei CHAI, Ming XU, et al. In vitro study of constructing a high-frequency ultrasound-pathology image registration and tissue composition predictive model based on deep learning[J]. Oncoradiology, 2024, 33(6): 586-592. DOI： 10.19732/j.cnki.2096-6210.2024.06.003.

浏览量

344

下载量

CNKI被引量

文章被引用时，请邮件提醒。

提交

工具集

关联资源

智能影像赋能胰腺肿瘤精准诊疗：应用与展望

超声人工智能在前列腺癌诊断中的应用进展

基于彩色多普勒超声参数和血清学指标构建宫颈癌患者预后列线图模型

深度学习超声组学预测乳腺癌腋窝淋巴结转移的价值

基于二维超声图像的深度学习模型术前预测乳腺癌脉管浸润：一项人机对比研究

基于深度学习构建高频超声-病理图像配准及组织成分预测模型的体外研究

In vitro study of constructing a high-frequency ultrasound-pathology image registration and tissue composition predictive model based on deep learning

DOI：10.19732/j.cnki.2096-6210.2024.06.003