机器学习模型预测甲状腺结节良恶性分析

作者：卢江昆; 胡纪杨; 龚建鸣; 曾林文; 袁绍峰; 于伟^*

来源：山西医药杂志(下半月刊), 2021, 50(20): 2899-2901.

<正>甲状腺结节的无创诊断主要依赖于影像学检查,其中超声检查具有经济性强、无害、无创、操作简单且准确率较高的特点,但传统的超声检查对操作人员的依赖性较强,且诊断结果准确性受阅片人员的影响较大,因此若医师知识储备不足或高强度工作导致的疲劳均可能导致超声诊断准确率下降[1]。随着计算机与影像学技术的不断融合与发展,机器学习(machine learning,ML)这一多领域交叉学科逐渐应用于临床疾病的影像学辅助诊断中,其具有自主学习、低消耗、高效率、高同质性、高准确性等优势,利用ML技术有望在降低医院诊疗成本的同时提高疾病诊断准确率[2]。

• 单位
  上海市金山区亭林医院