| 1 |
Bonney A， Malouf R， Marchal C， et al.Impact of low-dose computed tomography （LDCT） screening on lung cancer-related mortality ［J］.Cochrane Db Syst Rev， 2022， 8（8）： CD013829.
|
| 2 |
中华医学会呼吸病学分会肺癌学组， 中国肺癌防治联盟专家组.肺结节诊治中国专家共识 （2018 年版） ［J］.中华结核和呼吸杂志，2018， 41（10）： 763-771.
|
| 3 |
He YT， Zhang YC， Shi GF， et al.Risk factors for pulmonary nodules in north China： A prospective cohort study ［J］.Lung Cancer （Amsterdam，Netherlands）， 2018， 120： 122-129.
|
| 4 |
钟华， 姚烽， 陈群慧， 等.肺部多发结节的诊断和治疗 ［J］.中华肿瘤杂志， 2023， 45（6）： 455-463.
|
| 5 |
Hattori A， Matsunaga T， Takamochi K， et al.Surgical management of multifocal ground-glass opacities of the lung： correlation of clinicopathologic and radiologic findings ［J］.Thorac Cardiovasc Surg，2017， 65（2）： 142-149.
|
| 6 |
Pan W， Fang X， Zang Z， et al.Diagnostic efficiency of artificial intelligence for pulmonary nodules based on CT scans ［J］.Am J Transl Res， 2023， 15（5）： 3318-3325.
|
| 7 |
Liu P ran， Lu L， Zhang J yao， et al.Application of artificial intelligence in medicine： An overview ［J］.Current Medical Science， 2021， 41（6）：1105-1115.
|
| 8 |
Basu K， Sinha R， Ong A， et al.Artificial intelligence： How is it changing medical sciences and its future？ ［J］.Indian J Dermatol， 2020，65（5）： 365-370.
|
| 9 |
郑娟， 徐兴祥.多发性肺结节的临床研究进展 ［J］.国际呼吸杂志，2021， 41（24）.
|
| 10 |
Fu F， Zhang Y， Wen Z， et al.Distinct prognostic factors in patients with stage I non-small cell lung cancer with radiologic part-solid or solid lesions ［J］.J Thorac Oncol， 2019， 14（12）： 2133-2142.
|
| 11 |
Callister ME， Baldwin DR， Akram AR， et al.British Thoracic Society guidelines for the investigation and management of pulmonary nodules［J］.Thorax， 2015， 70 Suppl 2： ii1-ii54.
|
| 12 |
Jiang N， Zhang L， Hao Y， et al.Combination of electromagnetic navigation bronchoscopy-guided microwave ablation and thoracoscopic resection： An alternative for treatment of multiple pulmonary nodules ［J］.Thorac Cancer， 2020， 11（6）： 1728-1733.
|
| 13 |
陈丽， 徐培， 唐丽娜， 等.530 例肺结节患者的临床病理特征分析［J］.广西医学， 2021， 43（16）： 1977-1980.
|
| 14 |
颜世锐， 许萌.以多发肺结节起病的盖尔森基兴奴卡菌感染一例［J/OL］.中华临床医师杂志（电子版）， 2022， 16（8）： 815-817.
|
| 15 |
Taci H， Söyler Y， Uğurman F， et al.An uncommon cause of multiple pulmonary nodules： pulmonary hyalinizing granuloma ［J］.Hippokratia， 2019， 23（1）： 33-36.
|
| 16 |
Ather S， Kadir T， Gleeson F.Artificial intelligence and radiomics in pulmonary nodule management： current status and future applications［J］.Clin Radiol， 2020， 75（1）：13-19.
|
| 17 |
Marchianò A， Calabrò E， Civelli E， et al.Pulmonary nodules： volume repeatability at multidetector CT lung cancer screening ［J］.Radiology，2009， 251（3）：919-925.
|
| 18 |
Mehta HJ， Ravenel JG， Shaftman SR， et al.The utility of nodule volume in the context of malignancy prediction for small pulmonary nodules ［J］.Chest， 2014， 145（3）：464-472.
|
| 19 |
Yu WS， Hong SR， Lee JG， et al.Three-dimensional ground glass opacity ratio in CT images can predict tumor invasiveness of stage IA lung cancer ［J］.Yonsei Med J， 2016， 57（5）： 1131-1138.
|
| 20 |
Li X， Hu B， Li H， et al.Application of artificial intelligence in the diagnosis of multiple primary lung cancer ［J］.Thorac Cancer， 2019，10（11）： 2168-2174.
|
| 21 |
National Lung Screening Trial Research Team； Aberle DR， Adams AM， Berg CD， et al.Reduced lung-cancer mortality with low-dose computed tomographic screening ［J］.N Engl J Med， 2011， 365（5）：395-409.
|
| 22 |
Armato SG， McLennan G， Bidaut L， et al.The Lung Image Database Consortium （LIDC） and Image Database Resource Initiative （IDRI）：a completed reference database of lung nodules on CT scans ［J］.Med Phys， 2011， 38（2）：915-931.
|
| 23 |
Masood A， Sheng B， Yang P， et al.Automated decision support system for lung cancer detection and classification via enhanced RFCN with multilayer fusion RPN ［J］.IEEE Trans Ind Informat， 2020， 16（12）：7791-7801.
|
| 24 |
Nakaura T， Higaki T， Awai K， et al.A primer for understanding radiology articles about machine learning and deep learning ［J］.Diagn Interv Imaging， 2020， 101（12）： 765-770.
|
| 25 |
Chassagnon G， De Margerie-Mellon C， Vakalopoulou M， et al.Artificial intelligence in lung cancer： current applications and perspectives ［J］.Jpn J Radiol， 2023， 41（3）： 235-244.
|
| 26 |
Peeken JC， Asadpour R， Specht K， et al.MRI-based delta-radiomics predicts pathologic complete response in high-grade soft-tissue sarcoma patients treated with neoadjuvant therapy ［J］.Radiother Oncol， 2021， 164： 73-82.
|
| 27 |
Ma Y， Li J， Xu X， et al.The CT delta-radiomics based machine learning approach in evaluating multiple primary lung adenocarcinoma［J］.BMC Cancer， 2022， 22（1）： 949.
|
| 28 |
Chen K， Nie Y， Park S， et al.Development and validation of machine learning-based model for the prediction of malignancy in multiple pulmonary nodules： Analysis from multicentric cohorts ［J］.Clin Cancer Res， 2021， 27（8）： 2255-2265.
|
| 29 |
Zhang L， Shao Y， Chen G， et al.An artificial intelligence-assisted diagnostic system for the prediction of benignity and malignancy of pulmonary nodules and its practical value for patients with different clinical characteristics ［J］.Front Med （Lausanne）， 2023， 10： 1286433.
|
| 30 |
Lv J， Li J， Liu Y， et al.Artificial intelligence-aided diagnosis software to identify highly suspicious pulmonary nodules ［J］.Front Oncol，2021， 11： 749219.
|
| 31 |
林绍涌， 朱先理， 魏梁锋， 等.ChatGPT 在临床医学实践中的应用进展 ［J/OL］.中华临床医师杂志 （电子版）， 2023， 17（10）： 1113-1116.
|
| 32 |
Liu Q， Lv X， Zhou D， et al.Establishment and validation of multiclassification prediction models for pulmonary nodules based on machine learning ［J］.Clin Respir J， 2024， 18（5）： e13769.
|
| 33 |
Takeshita Y， Onozawa S， Katase S， et al.Evaluation of an artificial intelligence U-net algorithm for pulmonary nodule tracking on chest computed tomography images ［J］.J Int Med Res， 2024， 52（2）：03000605241230033.
|
| 34 |
Fan W， Liu H， Zhang Y， et al.Diagnostic value of artificial intelligence based on computed tomography （CT） density in benign and malignant pulmonary nodules： a retrospective investigation ［J］.Peerj， 2024， 12：e16577.
|
| 35 |
Zhang H， Wang S， Deng Z， et al.Computed tomography-based radiomics machine learning models for prediction of histological invasiveness with sub-centimeter subsolid pulmonary nodules： a retrospective study ［J］.Peerj， 2023， 11： e14559.
|
| 36 |
Mu J， Kuang K， Ao M， et al.Deep learning predicts malignancy and metastasis of solid pulmonary nodules from CT scans ［J］.Frontiers in Medicine， 2023， 10： 1145846.
|
| 37 |
Tang TW， Lin WY， Liang JD， et al.Artificial intelligence aided diagnosis of pulmonary nodules segmentation and feature extraction［J］.Clin Radiol， 2023， 78（6）： 437-443.
|
| 38 |
Zhang K， Wei ZH， Wang X， et al.［The diagnostic value of machinelearning-based model for predicting the malignancy of solid nodules in multiple pulmonary nodules］ ［J］.Zhonghua Wai Ke Za Zhi， 2022，60（6）： 573-579.
|
| 39 |
Zhang R， Wei Y， Shi F， et al.The diagnostic and prognostic value of radiomics and deep learning technologies for patients with solid pulmonary nodules in chest CT images ［J］.BMC Cancer， 2022，22（1）： 1118.
|
| 40 |
Ge Z， Sahiner B， Chan HP， et al.Computer-aided detection of lung nodules： false positive reduction using a 3D gradient field method and 3D ellipsoid fitting ［J］.Med Phys， 2005， 32（8）： 2443-2454.
|
| 41 |
Coppini G， Diciotti S， Falchini M， et al.Neural networks for computeraided diagnosis： detection of lung nodules in chest radiograms ［J］.IEEE Trans Inf Technol Biomed， 2003， 7（4）： 344-357.
|