基于深度学习的肝脏局灶性病变恶性筛查

1）构建适配国内人群的深度学习模型：基于国内肝癌患者 CT 影像数据，开发并优化深度学习算法，提升对微小病灶（尤其是早期肝癌病灶）的特征提取与识别能力，解决现有模型对本土人群适配性不足的问题。 2）提升 CT 影像筛查效能：通过模型辅助阅片，降低人工阅片的漏诊、误诊率，同时缩短阅片时间，突破传统筛查依赖医师经验、效率低的局限，满足大规模筛查需求。 3）推动基层落地应用：探索模型在基层医疗机构的部署方案，提供轻量化、易操作的辅助筛查工具，弥补基层医疗资源不足的短板，助力肝癌早筛在基层普及。 4）形成可推广的筛查方案：结合模型性能验证结果，构建 “CT 影像 + 深度学习” 的肝癌早筛流程，为临床提供标准化、精准化的筛查参考，推动智能技术与肝癌早筛临床实践深度融合。