用于肺癌病灶分割与量化的闭环文本引导框架

这对肺癌护理为何重要

肺癌在全球致死人数中居首，部分原因是肿瘤常常被发现得较晚或测量不够精确。许多医院，尤其是资源有限的地区，已有 CT 扫描设备，却缺乏足够的专家来快速且一致地解读每一例扫描。本研究提出了 BiomedLoop，一个旨在以放射科医师熟悉的“语言”读取肺部 CT 图像的人工智能系统，目标是更准确地发现并测量肺部肿瘤，同时生成可直接用于报告的信息。

引用: Wang, S., Wang, Z., Men, W. et al. Closed loop text guided framework for lung cancer lesion segmentation and quantification. npj Digit. Med. 9, 237 (2026). https://doi.org/10.1038/s41746-026-02422-x

关键词: 肺癌影像, 医学人工智能, 文本引导分割, CT 扫描分析, 肿瘤量化