通讯作者: 周永, 332090635@qq.com

DOI：10.12201/bmr.202601.00080

• 摘要：胰腺癌是一种起源于胰腺导管上皮及腺泡细胞的恶性肿瘤，其早期诊断困难，预后普遍不佳。影像组学和深度学习是人工智能领域的重要应用，影像组学利用高通量方法从医学影像中提取大量特征并构建预测模型，在胰腺癌的早期检测、鉴别诊断、分级分期及预后评估方面显示出价值。深度学习通过自动学习影像的深层复杂特征，大幅提升了肿瘤分割、识别及分类的自动化水平和准确性。近年来，大多数研究将两者优势结合，构建多模态融合模型，为胰腺癌的精准诊疗带来了新的进展，在未来有望推动临床决策支持系统的实质性应用。

  关键词： 胰腺癌; 影像组学; 深度学习; 人工智能; 精准医疗

   

  Abstract: Pancreatic cancer is a digestive tract tumor with extremely high malignancy. Its early symptoms are not obvious, and the diagnosis is often delayed, resulting in generally poor prognosis for patients. In recent years, the combination of radiomics and deep learning has brought new progress to the precise diagnosis and treatment of pancreatic cancer. Radiomics technology uses high - throughput methods to extract a large number of quantitative features from medical images and constructs prediction models based on these features, showing significant value in the early detection, differential diagnosis, grading and staging, and prognosis evaluation of pancreatic cancer. Deep learning can automatically learn the deep and complex features of images, greatly improving the automation level and accuracy of tumor segmentation, recognition, and classification. Currently, most studies combine the advantages of both to build multimodal fusion models to more accurately predict gene phenotypes, treatment responses, and patient survival outcomes, which are expected to promote the substantial application of clinical decision - support systems in the future.

  Key words: Pancreatic cancer; Radiomics; Deep learning; Artificial intelligence; Precision medicine

  提交时间：2026-01-27

  版权声明：作者本人独立拥有该论文的版权，预印本系统仅拥有论文的永久保存权利。任何人未经允许不得重复使用。
• html

• 图表

• .河北大学附属医院消化内科 河北 保定, 杰. 基于深度学习的人工智能技术在胃肠间质瘤中的应用进展. 2024. doi: 10.12201/bmr.202411.00057

  思小霞, 赵青, 景江新. 超声影像组学在预测乳腺癌分子分型中的应用进展. 2024. doi: 10.12201/bmr.202410.00040

  思小霞, 赵青, 景江新. 超声影像组学在乳腺癌中的应用进展及现状. 2024. doi: 10.12201/bmr.202412.00053

  李明峻, 翟宁. 人工智能在心力衰竭精准分型中的研究进展与展望. 2025. doi: 10.12201/bmr.202512.00030

  陈舒铃, 舒琦瑾. 舒琦瑾从脾虚毒滞论治胰腺癌经验. 2025. doi: 10.12201/bmr.202507.00004

  王佳琪, 罗艳虹, 郭亚荣. 基于SMOTE-ENN结合XGBoost算法构建胰腺癌术后生存预测模型. 2025. doi: 10.12201/bmr.202506.00058

  陈恒鑫, 张大伟, 李回春, 马雪枫, 王栋栋, 祁孟阳, 张云峰, 周逢海. 影像组学与液体活检在前列腺癌精准诊疗中的研究进展. 2026. doi: 10.12201/bmr.202604.00144

  郑琰莉, 韩福海, 李舒玉, 苏文星. 人工智能大模型在医疗领域的应用现状与前景展望. 2023. doi: 10.12201/bmr.202312.00027

  王君丹, 史生鸿. 基于DCE-MRI的影像组学在乳腺癌预后预测中的研究进展. 2024. doi: 10.12201/bmr.202411.00062

  任大彬, 卫雨果, 刘丽秋, 徐祖良, 汪国余. 双参数磁共振影像组学联合PSAD在前列腺癌Gleason分级分组中的应用价值. 2024. doi: 10.12201/bmr.202406.00029

• 序号	提交日期	编号	操作
  1	2026-01-15	10.12201/bmr.202601.00080V1	下载

• 公开评论  匿名评论  仅发给作者 提交评论