介紹了使用率較高的深度學(xué)習(xí)基礎(chǔ)網(wǎng)絡(luò)的結(jié)構(gòu)模型及常用改進(jìn)方法,闡述了使用深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)對(duì)MRI及CT圖像中的腦部、肺部、肝臟、胰腺、前列腺等器官進(jìn)行自動(dòng)分割的研究進(jìn)展。指出了未來(lái)應(yīng)更多關(guān)注3D圖像分割和少樣本訓(xùn)練,開(kāi)發(fā)更適用的網(wǎng)絡(luò)結(jié)構(gòu),以提高器官分割準(zhǔn)確性和分割效率。 

【文章來(lái)源】：醫(yī)療衛(wèi)生裝備. 2020,41(01)

【文章頁(yè)數(shù)】：10 頁(yè)

【部分圖文】：

CNN結(jié)構(gòu)示意圖

FCN是在醫(yī)學(xué)圖像分割領(lǐng)域廣泛應(yīng)用的CNN變體，結(jié)構(gòu)如圖2所示。其跳級(jí)連接使網(wǎng)絡(luò)深層計(jì)算融合圖像細(xì)節(jié)，提高了分割精確度，增強(qiáng)了輸入圖像的魯棒性；反卷積結(jié)構(gòu)使輸出圖像恢復(fù)至輸入尺寸[9]。U-Net是基于FCN發(fā)展出的更適合醫(yī)學(xué)圖像二值分割特點(diǎn)的網(wǎng)絡(luò)模型，結(jié)構(gòu)如圖3所示。收縮路徑利用下采樣捕捉圖片上下文信息以獲取圖片特征，擴(kuò)展路徑通過(guò)水平連接融合圖像細(xì)節(jié)，實(shí)現(xiàn)特征精準(zhǔn)定位[10]。該結(jié)構(gòu)可根據(jù)需要自由加深，適應(yīng)了醫(yī)學(xué)圖像尺寸偏大的情況。

目前利用深度學(xué)習(xí)分割肝臟主要基于CT圖像進(jìn)行。肝臟與周?chē)鞴倩叶戎到咏�，其大小、形狀受患者個(gè)體差異及呼吸動(dòng)度影響較大，分割具有挑戰(zhàn)性。自2016年起，基于CNN的自動(dòng)分割就取代了基于形狀和外觀的建模方法，成為肝臟分割挑戰(zhàn)SLI-VER07的最優(yōu)方法�；贑T圖像采用深度學(xué)習(xí)自動(dòng)分割肝臟的部分高引文獻(xiàn)見(jiàn)表3。由表3可知，基于改進(jìn)CNN的3D分割方法應(yīng)用最廣，因其可以充分利用三維空間信息，結(jié)合淺層和深層的特征增加肝臟分割的準(zhǔn)確性。目前，基于CT圖像分割肝臟主要以研究器官分割為主，分割病變區(qū)域大多需要MRI圖像輔助。

【參考文獻(xiàn)】：
期刊論文
[1]機(jī)器學(xué)習(xí)算法在醫(yī)療領(lǐng)域中的應(yīng)用[J]. 蘭欣,衛(wèi)榮,蔡宏偉,郭佑民,侯夢(mèng)薇,邢磊,那天,陸亮.  醫(yī)療衛(wèi)生裝備. 2019(03)
[2]基于深度卷積網(wǎng)絡(luò)的阿爾茨海默病診斷模型研究[J]. 張柏雯,林嵐,孫珅,吳水才.  醫(yī)療衛(wèi)生裝備. 2019(01)
[3]基于深度學(xué)習(xí)方法檢測(cè)皮膚鏡圖像中黑色素瘤的研究進(jìn)展與展望[J]. 張杰,趙惠軍,李賢威,法振宗,王亞林.  醫(yī)療衛(wèi)生裝備. 2018(11)
[4]基于深度學(xué)習(xí)的醫(yī)學(xué)圖像處理研究進(jìn)展[J]. 林金朝,龐宇,徐黎明,黃志偉.  生命科學(xué)儀器. 2018(Z1)
[5]深度學(xué)習(xí)在醫(yī)學(xué)圖像分析中的研究進(jìn)展[J]. 艾飛玲,馬圓,田思佳,王肖楠,張鳳,郭秀花.  北京生物醫(yī)學(xué)工程. 2018(04)
[6]深度卷積神經(jīng)網(wǎng)絡(luò)在放射治療計(jì)劃圖像分割中的應(yīng)用[J]. 鄧金城,彭應(yīng)林,劉常春,陳子杰,雷國(guó)勝,吳江華,張廣順,鄧小武.  中國(guó)醫(yī)學(xué)物理學(xué)雜志. 2018(06)
[7]醫(yī)學(xué)圖像分析深度學(xué)習(xí)方法研究與挑戰(zhàn)[J]. 田娟秀,劉國(guó)才,谷珊珊,鞠忠建,劉勁光,顧冬冬.  自動(dòng)化學(xué)報(bào). 2018(03)
[8]基于全卷積神經(jīng)網(wǎng)絡(luò)的肝臟CT影像分割研究[J]. 郭樹(shù)旭,馬樹(shù)志,李晶,張惠茅,孫長(zhǎng)建,金蘭依,劉曉鳴,劉奇楠,李雪妍.  計(jì)算機(jī)工程與應(yīng)用. 2017(18)
[9]深度學(xué)習(xí)在輕度認(rèn)知障礙轉(zhuǎn)化與分類(lèi)中的應(yīng)用分析[J]. 張柏雯,林嵐,吳水才.  醫(yī)療衛(wèi)生裝備. 2017(09)
[10]前列腺磁共振圖像分割的反卷積神經(jīng)網(wǎng)絡(luò)方法[J]. 詹曙,梁植程,謝棟棟.  中國(guó)圖象圖形學(xué)報(bào). 2017(04)

碩士論文
[1]基于低秩分解和多圖譜的胰腺三維磁共振圖像分割[D]. 牛帥.西安電子科技大學(xué) 2017
[2]基于深度卷積神經(jīng)網(wǎng)絡(luò)的CT圖像肝臟腫瘤分割方法研究[D]. 李雯.中國(guó)科學(xué)院深圳先進(jìn)技術(shù)研究院 2016
[3]核磁共振圖像中的3D胰腺分割[D]. 杜磊.西安電子科技大學(xué) 2014
[4]基于遷移學(xué)習(xí)的2-D MRI胰腺分割[D]. 吳姣龍.西安電子科技大學(xué) 2014
[5]基于統(tǒng)計(jì)模型的胰腺分割算法的研究與實(shí)現(xiàn)[D]. 王鑫.東北大學(xué) 2013



本文編號(hào)：3286394