人工智能在甲状腺疾病诊疗中的应用2026.pptxVIP

人工智能在甲状腺疾病诊疗中的应用

CONTENT前评估与辅助决策术中辅助决策术后预后预测及辅助决策小结与展望

术前评估与辅助决策

010203基于深度学习的甲状腺结节超声诊断弹性成像技术结合机器学习辅助诊断商业化AI辅助诊断系统的应用利用DCNN等算法分析大量超声图像，提高甲状腺结节性质和种类的诊断准确性。将SWE与机器学习模型结合，提升甲状腺癌结节硬度信息的分析效能，降低FNA需求。多款基于超声的甲状腺结节人工智能辅助诊断系统已成功商业化，如AmCAD-UT?Detection和DEMETICS?。超声图像分析技术

甲状腺结节的分类模型预测甲状腺恶性结节模型FNA细胞学与光学衍射断层扫描结合模型利用EfficientNetV2-L17模型对甲状腺结节进行分类，提高诊断效率和准确度。使用CNN算法设计了两种预测甲状腺恶性结节模型，提高灵敏度和特异度。将FNA细胞学与光学衍射断层扫描结合，利用机器学习算法构建甲状腺结节分类模型，提高准确率。FNA病理图片诊断模型

010203CT图像分类模型Zhang等利用CNN网络建立基于CT图像的甲状腺疾病分类模型，准确率高达0.909。CT图像信息易于构建3D模型，未来可用于评估淋巴结受累风险及指导手术方案。人工智能可根据CT表现进行病变良恶性预测，并自动识别肿瘤区域，辅助制定手术方案。CT图像的多类分类模型三维模型在CT图像中的应用术前分期与手术方案制定

术中辅助决策

深度学习模型在喉返神经识别中的应用机器学习模型在不同手术场景中的灵敏度与精确率人工智能辅助喉返神经实时识别技术进展通过语义分割算法开发了在开放甲状腺手术场景下喉返神经识别和术中导航的深度学习模型。研究收集了不同视频帧图片，采用多种机器学习模型训练，评估其在高、中、低辨识度组中的灵敏度和精确率。开发了腔镜甲状腺手术中甲状旁腺实时识别模型，利用多种机器学习算法进行尝试并选择最优算法进行独立外部队列验证。喉返神经识别

010302甲状旁腺实时识别模型近红外图像的甲状旁腺自发荧光识别甲状旁腺功能减退预测通过机器学习算法，在腔镜甲状腺手术中实现甲状旁腺的实时识别，提高手术安全性。利用深度学习模型分析术中近红外图像，准确识别甲状旁腺，减少术后并发症风险。基于患者影像数据和临床信息，人工智能模型可预测甲状腺全切除术后甲状旁腺功能减退的风险。甲状旁腺识别

123淋巴结转移预测利用MaskR-CNN框架构建模型，通过分析甲状腺乳头状癌患者的超声和临床信息资料，预测中央区淋巴结转移风险。采用多种算法建立影像组学模型，从PTC患者的术前CT图像中提取特征，评估淋巴结受累风险和精准术前分期。使用随机森林等8种机器学习算法对侧颈淋巴结转移进行风险预测，提高预测模型的灵敏度和特异度。基于超声的淋巴结转移预测CT图像为基础的淋巴结转移预测机器学习算法在淋巴结转移中的应用

术后预后预测及辅助决策

利用SEER数据库资料，通过XGB算法构建模型，预测分化型甲状腺癌患者的复发风险。结合1040例PTC患者数据，采用多种机器学习技术，建立预测模型以评估患者生存期。使用MLP神经网络和特征选择算法，从SEER数据库中提取关键变量，构建高精度的生存期预测模型。基于机器学习的复发风险预测模型术后生存期预测模型的开发多层感知器与特征选择的结合应用复发风险和生存期预测

通过比较患者术前和术后的语音谱图，评估手术对语音功能的影响。术前术后语音对比分析利用机器学习算法，基于术前和术后数据建立预测模型，以预测嗓音恢复情况。语音恢复预测模型构建采用GRBAS系统评分，计算不同评分下的平均AUC值，以量化预测效果。GRBAS评分与AUC值关联语音恢复预测

利用放射性碘进行全身扫描，检测甲状腺癌术后残留组织和淋巴结。131I显像的临床应用通过多层全连接网络模型提高显像图像识别精度，辅助诊断残余病变。人工智能在显像分析中的作用解决噪声伪影和低放射性碘摄取性问题，提升显像技术的准确性和实用性。残留检测的挑战与解决方案131I显像检测残留

小结与展望

010203术前评估与辅助决策术中辅助导航术后预后预测人工智能在甲状腺结节的术前诊断中，通过深度学习算法分析超声图像，显著提高了诊断的准确性和效率。人工智能技术在甲状腺手术中实现了喉返神经和甲状旁腺的实时识别，降低了手术风险，提高了手术精确度。利用机器学习模型，人工智能能够有效预测甲状腺癌患者的复发风险和生存期，为患者提供个性化的后续治疗建议。人工智能的突破进展

010203数据质量和数量不足人工智能与医师合作问题伦理和安全性问题高质量和大量的临床数据是训练高性能人工智能模型的基础，当前数据收集存在局限。人工智能系统需要与医师紧密合作以提高其实用性和可接受性，但目前这