目的 国内外报道中，女性盆腔器官自动分割文献较少，且结果不甚理想。究其原因，在于构建三维卷积神经网络分割模型时存在三点困难：首先，肠道的大小形态、纹理灰度和相对位置会受患者解剖结构的个体差异、充盈状态、疾病状态和治疗的干扰，导致训练数据一致性差，进而训练时为避免欠拟合现象的发生而难以增加神经网络的深度。
Objective Artificial intelligence(AI)-based technologies in medicine,including as a triage or screening tool for gastrointestinal disease,is advancing rapidly.
目的 本研究旨在探讨影像组学在预测ALK 阳性的Ⅲ/Ⅳ期非小细胞肺癌(NSCLC)患者治疗前脑转移情况方面的应用。方法 本研究回顾性纳入2014 年至2017 年期间复旦大学附属肿瘤医院经病理证实的ALK 阳性Ⅲ/Ⅳ期NSCLC 患者。在治疗前基线检查中获得患者脑转移信息。收集患者治疗前胸部CT 图像，并由两名放疗科医生勾画大体肿瘤体积(GTV)，进行影像组学特征的提取。
Objective Purpose: To mimic the multi-target recognition and segmentation in a humans brain,we proposed a single input and double output fully convolutional network(SIDO-FCN)model to recognize and del
目的 目前，作为大势所趋，医疗人工智能(AI)在湖北省的不少医疗机构已经与临床工作流实现无缝衔接，并受到了临床医师的广泛认可。在肺癌诊疗领域，由依图医疗所研发的肺癌影像智能诊断系统不但提供智能影像判读服务，并且超越肺结节检出功能，实现精准定位、多维征象描述及出具结构化报告等功能，对于医疗效率的提升和诊疗流程的优化至关重要。
目的 基于前列腺穿刺活检组织的H&E 染色数字切片图像，针对腺癌中等级Gleason 3 级(G3)、4 级(G4)区域提取卷积网络深度抽象特征；根据训练病例库中人工标记的区域，训练深度残差网络，从而构建定量描述特征自动区分G3 和G4 区域，实现对测试样本中可疑区域的G3 和G4 区域准确分析。
目的 全片数字化扫描技术(Whole slide imaging,WSI)的出现,促进了远程病理学的发展,在降低时间成本和提高专家资源的可获得性方面起到了巨大的作用.WSI 扫描的物镜倍率通常是20X和40X 两种,在实际应用中各有优势,这是因为：一方面,40X 扫描的图像较20X 来说,占用空间更大,并且传输时间也久得多(接近于4 倍),而存储空间和传输时间在远程病理学中都是很重要的影响因素；另
目的 既往国内外文献报道中，女性盆腔肿瘤患者肠道器官难以实现良好的自动分割效果，主要原因在于设计及训练三维网络分割模型时存在以下三个难点：1.肠道的大小形态、纹理灰度和相对位置会受患者解剖结构的个体差异、充盈状态、疾病状态和治疗的干扰，导致训练数据一致性差，进而训练时为避免欠拟合现象的发生而难以增加神经网络的深度.
目的 目的：随着机器学习的发展，很多研究将深层卷积神经网络应用到医学影像中，以寻求代替临床放疗中重复低效的危及器官分割工作的方法，缩短患者的侯治时间。目前，二维卷积神经网络已取得良好的效果，但三维神经网络存在解剖环境更复杂、网络优化困难、训练样本不足等问题，难以取得良好效果。