本文關(guān)鍵詞：深度學(xué)習(xí)及其在醫(yī)學(xué)圖像分析中的應(yīng)用研究，由筆耕文化傳播整理發(fā)布。

【摘要】：深度學(xué)習(xí)被引入機(jī)器學(xué)習(xí)領(lǐng)域與大數(shù)據(jù)的完美結(jié)合加快了人工智能實(shí)現(xiàn)的步伐,近年來備受學(xué)術(shù)界和工業(yè)界的廣泛關(guān)注。從深度學(xué)習(xí)的3種經(jīng)典模型出發(fā),主要做了5方面的工作:第一,針對深度信念網(wǎng)絡(luò),從網(wǎng)絡(luò)結(jié)構(gòu)(隱含層數(shù)、RBM結(jié)構(gòu)、DBN級聯(lián)),學(xué)習(xí)算法(基本算法、優(yōu)化算法與其他方法結(jié)合),硬件系統(tǒng)(GPU,FPGA)三個(gè)方面進(jìn)行總結(jié);第二,針對卷積神經(jīng)網(wǎng)絡(luò),從網(wǎng)絡(luò)結(jié)構(gòu)(輸入層、隱含層、CNN個(gè)數(shù)),學(xué)習(xí)算法,硬件系統(tǒng)三個(gè)方面進(jìn)行歸納;第三,針對堆棧自編碼器,以時(shí)間為軸對其發(fā)展進(jìn)行梳理,闡述相應(yīng)自編碼器的方法改進(jìn);第四,從醫(yī)學(xué)圖像分割、醫(yī)學(xué)圖像識別和計(jì)算機(jī)輔助診斷3個(gè)方面詳細(xì)探討深度學(xué)習(xí)在醫(yī)學(xué)圖像分析領(lǐng)域中的應(yīng)用;最后從大數(shù)據(jù)浪潮、模型構(gòu)建、特征學(xué)習(xí)、應(yīng)用拓展4個(gè)方面對深度學(xué)習(xí)的發(fā)展進(jìn)行展望。
【作者單位】： 寧夏醫(yī)科大學(xué)公共衛(wèi)生與管理學(xué)院;寧夏醫(yī)科大學(xué)理學(xué)院;
【關(guān)鍵詞】： 深度學(xué)習(xí) 深度信念網(wǎng)絡(luò) 卷積神經(jīng)網(wǎng)絡(luò) 堆棧自編碼器 醫(yī)學(xué)圖像
【基金】：國家自然科學(xué)基金項(xiàng)目(81160183;61561040) 寧夏自然科學(xué)基金項(xiàng)目(NZ12179;NZ14085) 寧夏高等學(xué)�？蒲许�(xiàng)目(NGY2013062)
【分類號】：R318;TP181
【正文快照】： 深度學(xué)習(xí)是機(jī)器學(xué)習(xí)領(lǐng)域中一系列試圖使用多重非線性變換對數(shù)據(jù)進(jìn)行多層抽象的算法,不僅學(xué)習(xí)輸入和輸出之間的非線性映射,還學(xué)習(xí)輸入數(shù)據(jù)向量的隱藏結(jié)構(gòu)[1],以用來對新的樣本進(jìn)行智能識別或預(yù)測。20世紀(jì)80年代末期,用于人工神經(jīng)網(wǎng)絡(luò)的反向傳播算法的發(fā)明掀起了基于統(tǒng)計(jì)模型的

  本文關(guān)鍵詞：深度學(xué)習(xí)及其在醫(yī)學(xué)圖像分析中的應(yīng)用研究，由筆耕文化傳播整理發(fā)布。

，

本文編號：424497