基于深度学习的超声模型评估肝细胞癌射频消融术后早期复发风险

张宇; 孙文琦; 陈媛; 程文; 韩雪

doi:10.19732/j.cnki.2096-6210.2026.01.005

您当前的位置：

首页 >

文章列表页 >

基于深度学习的超声模型评估肝细胞癌射频消融术后早期复发风险

专题论著 | 更新时间：2026-03-25

- 基于深度学习的超声模型评估肝细胞癌射频消融术后早期复发风险
- Deep learning-based ultrasound assessment for predicting early recurrence risk after radiofrequency ablation in hepatocellular carcinoma
- “哈尔滨医科大学专家利用深度学习技术，基于B超和超声造影影像构建预测模型，精准预测肝癌射频消融术后早期复发，为术前筛选高风险患者及制定随访方案提供新工具。”
- 肿瘤影像学 2026年35卷第1期页码：32-42
- 作者机构：
  
  哈尔滨医科大学附属肿瘤医院超声医学科，黑龙江哈尔滨 150081
- 作者简介：
  
  张　宇（ORCID： 0009-0006-0523-3243），硕士研究生。
  [ "韩　雪，影像医学与核医学专业博士，哈尔滨医科大学附属肿瘤医院超声医学科主任医师、副教授、硕士研究生导师。担任黑龙江省医师协会超声专业委员会青年委员会副主任委员、中国超声医学工程学会浅表器官及腹部超声专业委员会青年委员、海峡两岸医药卫生交流协会超声医学分会青年学组委员等。获中华医学会教师讲课大赛一等奖、中国肿瘤学大会超声病例大赛一等奖等荣誉，作为核心成员参与的《超声诊断学》获评国家级一流本科课程。研究方向为肿瘤超声精准诊疗，聚焦超声造影、人工智能辅助诊断及超声介导靶向治疗等前沿领域。近5年主持黑龙江省智慧医疗科研专项等课题，以第一/通讯作者在SCI收录期刊上发表论文10余篇，相关成果获黑龙江省科技进步奖二等奖。博士，主任医师，E-mail：hhanxueus@hrbmu.edu.cn。" ]
- 基金信息：
  
  黑龙江省阳光健康公益基金会智慧医疗科研专项基金项目(H22L0813-203)
- DOI：10.19732/j.cnki.2096-6210.2026.01.005
  中图分类号： R735.7;R445.1
- 收稿：2025-11-27，
  
  修回：2026-02-04，
  
  纸质出版：2026-02-28
- 稿件说明：
移动端阅览
张　宇, 孙文琦, 陈　媛, 等. 基于深度学习的超声模型评估肝细胞癌射频消融术后早期复发风险［J］. 肿瘤影像学, 2026, 35(1): 32-42.

ZHANG Y, SUN W Ｑ, CHEN YCitation:, et al. Deep learning-based ultrasound assessment for predicting early recurrence risk after radiofrequency ablation in hepatocellular carcinoma［J］. Oncoradiology, 2026, 35(1): 32-42.
张　宇, 孙文琦, 陈　媛, 等. 基于深度学习的超声模型评估肝细胞癌射频消融术后早期复发风险［J］. 肿瘤影像学, 2026, 35(1): 32-42. DOI： 10.19732/j.cnki.2096-6210.2026.01.005.

ZHANG Y, SUN W Ｑ, CHEN YCitation:, et al. Deep learning-based ultrasound assessment for predicting early recurrence risk after radiofrequency ablation in hepatocellular carcinoma［J］. Oncoradiology, 2026, 35(1): 32-42. DOI： 10.19732/j.cnki.2096-6210.2026.01.005.

浏览量

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

超声造影联合临床和病理的列线图预测模型评估肝细胞癌手术切除后早期复发风险

基于示卓安超声造影Kupffer期的深度学习预测肝细胞癌微血管侵犯的研究

超声造影定量参数预测肝癌靶免联合治疗效果

肝内胆管癌超声造影诊断的争议、焦点与最新进展

肝内胆管癌超声造影LI-RADS分析及鉴别诊断

基于深度学习的超声模型评估肝细胞癌射频消融术后早期复发风险

Deep learning-based ultrasound assessment for predicting early recurrence risk after radiofrequency ablation in hepatocellular carcinoma

DOI：10.19732/j.cnki.2096-6210.2026.01.005