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。

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。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：hth华体会最新网站,“,hth,华,体会,最新,网站,”,腾讯,医疗,近日

本文来源：hth华体会最新网站-www.btyjy.com