综述：人工智能在盆腔附件包块影像诊断中的叙述性综述

本综述聚焦人工智能（AI）在妇科影像领域的应用进展，探讨基于 AI 的模型（如使用卷积神经网络（CNN）的深度学习、影像组学）在盆腔附件包块良恶性鉴别（尤其上皮性卵巢肿瘤的超声、CT、MRI 诊断）、手术预后预测等方面的价值，分析不足并展望其与多维度数据整合的前景。

　　

背景

近年来，人工智能在妇科影像中的应用日益受到关注。深度学习通过卷积神经网络（Convolutional Neural Networks, CNN），在中等规模可用数据集下，相比传统学习方法，训练时间更短。而影像组学则有助于从图像中提取数据或特征。本文旨在综述基于 AI 的模型在盆腔附件包块诊断中的进展、缺点及未来意义。

正文

基于人工智能的模型在区分良性和恶性病变方面表现出与放射科医生相当的能力，尤其在超声、CT 和 MRI 对上皮性卵巢肿瘤的诊断中。此外，其在预测盆腔包块患者的手术结果和预后方面也显示出潜力，已被证明是放射科医生和临床医生有用的辅助工具。

结论

然而，AI 的最终目标是将患者病史、临床数据、实验室参数与放射学和病理学参数完全整合，以便为临床医生实现准确诊断并制定管理指南。