超声人工智能在前列腺癌诊断中的应用进展.pdfVIP

肿瘤影像学肿瘤影像学2025年第34卷第4期

《》

Oncoradiology2025Vol.34No.4欢迎关注本刊公众号423

·综述·

超声人工智能在前列腺癌诊断中的应用进展

121

姜万君，王震，赵云歆

1.上海市浦东新区浦南医院超声科，上海200125；

2.上海健康医学院医疗器械学院，上海201318

［摘要］前列腺癌（prostatecancer，PCa）的早期诊断和及时干预对改善PCa基金项目：无。

利益冲突：作者声明无利益冲突。

患者预后意义重大。超声技术具有经济、方便、可术中实时成像等优点，成为

伦理批件：不需要。

PCa诊疗的重要工具，近年来人工智能（artificialintelligence，AI）技术在超声知情同意：不需要。

PCa诊疗中得到快速发展。本文从传统机器学习、深度学习和强化学习3个方面引用本文：姜万君,王震,赵云歆.超声

综述了超声AI在PCa领域的应用进展。机器学习借助特征工程与模型训练，优人工智能在前列腺癌诊断中的应用进展

化了超声图像的分割精度；同时，通过整合超声多模态影像、临床及蛋白组学［J］.肿瘤影像学,2025,34(4):423-428.

特征，机器学习模型提高了PCa的诊断准确度，并增强了对转移性PCa的鉴别能

Funding:no.

力。深度学习凭借其端到端的学习能力，不仅能有效地识别PCa病灶，还能对其Conflictsofinterest:authorsdeclareno

进行精确分级；另外，在PCa近距离放射治疗中，深度学习可从超声图像中准确conflictsofinterest.

识别前列腺临床目标体积，并能高效精准地自动重建导管和治疗针，减少人工Ethicalapproval:notrequired.

操作误差和操作时间。强化学习通过交互试错与累积奖励机制，实现了对超声Informedconsent:notrequired.

Citethisarticle:JIANGWJ,WANG

图像质量的自动评估，从而筛选出高质量图像用于AI模型训练，有效地减轻了

Z,ZHAOYX,etal.Advancesinthe

医师图像标注的工作量；此外，强化学习通过自适应术中规划，降低了术中采applicationofultrasoundartificial

样误差，提高了PCa活检的准确度和可靠性。最后，本文分