傳統(tǒng)生物醫(yī)學(xué)數(shù)據(jù)分析技術(shù)在大數(shù)據(jù)時(shí)代背景下,面臨著巨大挑戰(zhàn),而深度學(xué)習(xí)技術(shù)在生物醫(yī)學(xué)分析領(lǐng)域的應(yīng)用,迎來了巨大的發(fā)展機(jī)遇。本文綜述了深度學(xué)習(xí)在生物醫(yī)學(xué)數(shù)據(jù)分析領(lǐng)域的最新研究進(jìn)展。首先闡述了深度學(xué)習(xí)方法及工具,隨后以時(shí)間為主線,圍繞生物醫(yī)學(xué)問題的提出、數(shù)據(jù)預(yù)處理方法、模型建立方法、訓(xùn)練算法重點(diǎn)總結(jié)了近五年深度學(xué)習(xí)在生物醫(yī)學(xué)數(shù)據(jù)分析中的具體應(yīng)用,并重點(diǎn)強(qiáng)調(diào)了醫(yī)療輔助診斷中的深度學(xué)習(xí)應(yīng)用。最后給出了未來深度學(xué)習(xí)在生物醫(yī)學(xué)數(shù)據(jù)分析領(lǐng)域可能的發(fā)展方向。 

【文章來源】：生物醫(yī)學(xué)工程學(xué)雜志. 2020,37(02)北大核心EICSCD

【文章頁數(shù)】：9 頁

【文章目錄】：
引言
1 深度學(xué)習(xí)方法及工具
    1.1 深度學(xué)習(xí)方法
    1.2 深度學(xué)習(xí)工具
2 深度學(xué)習(xí)在生物醫(yī)學(xué)分析中的具體應(yīng)用
    2.1 醫(yī)療輔助診斷中的深度學(xué)習(xí)應(yīng)用
        2.1.1 醫(yī)學(xué)圖像分割
        2.1.2 醫(yī)學(xué)圖像分類識(shí)別
    2.2 生物數(shù)據(jù)分析中的深度學(xué)習(xí)應(yīng)用
3 總結(jié)與展望


【參考文獻(xiàn)】：
期刊論文
[1]融合圖像和指標(biāo)的阿爾茨海默病多分類診斷模型[J]. 鉏家歡,潘喬.  智能計(jì)算機(jī)與應(yīng)用. 2019(04)
[2]基于深度學(xué)習(xí)的白內(nèi)障自動(dòng)診斷方法研究[J]. 劉振宇,宋建聰.  微處理機(jī). 2019(03)
[3]基于全卷積網(wǎng)絡(luò)的胎兒腦部超聲圖像分割算法[J]. 葉海,馮開平,謝紅寧.  現(xiàn)代計(jì)算機(jī). 2019(17)
[4]一種只利用序列信息預(yù)測(cè)RNA結(jié)合蛋白的深度學(xué)習(xí)模型[J]. 李洪順,于華,宮秀軍.  計(jì)算機(jī)研究與發(fā)展. 2018(01)
[5]基于深度學(xué)習(xí)的心臟病檢測(cè)的研究[J]. 李嶺海.  現(xiàn)代計(jì)算機(jī)(專業(yè)版). 2017(09)



本文編號(hào)：3177894