介紹了超聲在甲狀腺結節(jié)診斷中的應用價值以及傳統(tǒng)機器學習在甲狀腺結節(jié)良惡性分類中的應用優(yōu)勢和局限性。綜述了基于深度學習的甲狀腺超聲圖像結節(jié)良惡性分類的研究成果和進展,分析了研究中存在的問題。指出了基于不同視角的多網(wǎng)絡超聲特征融合、深度特征與傳統(tǒng)特征的多網(wǎng)絡融合以及三維超聲的采集和三維深度網(wǎng)絡的應用等是該領域未來的發(fā)展方向。

【文章頁數(shù)】：6 頁

【文章目錄】：
0 引言
1 深度學習在甲狀腺超聲圖像結節(jié)良惡性分類中的應用
    1.1 基于DBN的甲狀腺結節(jié)良惡性分類
    1.2 基于CNN的甲狀腺結節(jié)良惡性分類
        1.2.1 基于單CNN架構的甲狀腺結節(jié)良惡性分類
            1.2.1. 1 傳統(tǒng)單CNN
            1.2.1. 2 結構優(yōu)化的單CNN
        1.2.2 基于多CNN架構的甲狀腺結節(jié)良惡性分類
            1.2.2. 1 結節(jié)多特征融合分類網(wǎng)絡
            1.2.2. 2 語義與圖像特征融合分類網(wǎng)絡
            1.2.2. 3 低級、高級特征融合分類網(wǎng)絡
            1.2.2. 4 多網(wǎng)絡融合分類模型
2 研究中存在的問題分析
    2.1 小樣本學習
    2.2 結節(jié)圖像預處理
    2.3 圖像來源異質性
3 結語



本文編號：3809975