海量的生物醫(yī)學(xué)圖像蘊(yùn)含著豐富的信息,模式識別算法能夠從中挖掘規(guī)律并指導(dǎo)生物醫(yī)學(xué)基礎(chǔ)研究和臨床應(yīng)用。近年來,模式識別和機(jī)器學(xué)習(xí)理論和實(shí)踐不斷完善,尤其是深度學(xué)習(xí)的廣泛研究和應(yīng)用,促使人工智能、模式識別與生物醫(yī)學(xué)的交叉研究成為了當(dāng)前的前沿?zé)狳c(diǎn),相關(guān)的生物醫(yī)學(xué)圖像研究有了突破式的進(jìn)展。該文首先簡述模式識別的常用算法,然后總結(jié)了這些算法應(yīng)用于熒光顯微圖像、組織病理圖像、醫(yī)療影像等多種圖像中的挑戰(zhàn)性和國內(nèi)外研究現(xiàn)狀,最后對幾個潛在研究方向進(jìn)行了分析和展望。

【文章頁數(shù)】：13 頁

【部分圖文】：

圖1多種生物醫(yī)學(xué)圖像的示例及在臨床和研究中的主要應(yīng)用

在傳統(tǒng)模式識別實(shí)驗(yàn)中，通常根據(jù)學(xué)習(xí)任務(wù)的特點(diǎn)選擇合適的分類算法，采用交叉驗(yàn)證來評價預(yù)測模型的性能。目前應(yīng)用較為廣泛的監(jiān)督學(xué)習(xí)分類模型有K近鄰、邏輯回歸、隨機(jī)森林、人工神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)(SupportVectorMachine,SVM)等，用于建立輸入特征與類標(biāo)之間的相應(yīng)關(guān)....

圖2傳統(tǒng)模式識別方法處理生物醫(yī)學(xué)圖像的一般步驟

圖1多種生物醫(yī)學(xué)圖像的示例及在臨床和研究中的主要應(yīng)用2.2卷積神經(jīng)網(wǎng)絡(luò)模型

圖3經(jīng)典卷積神經(jīng)網(wǎng)絡(luò)模型的時間軸及特點(diǎn)

生物醫(yī)學(xué)圖像的表現(xiàn)對象主要是生物體不同層次的生理組織和結(jié)構(gòu)，微觀至分子、原子，宏觀至人體器官。相對于普通圖像，生物醫(yī)學(xué)圖像具有模式復(fù)雜、標(biāo)注專業(yè)性強(qiáng)等特點(diǎn)，自動識別研究挑戰(zhàn)性較強(qiáng)，主要可總結(jié)為以下幾個方面。(1)圖像質(zhì)量差異大。生物醫(yī)學(xué)圖像的成像效果受樣本制備、拍攝環(huán)境等諸多因素....

圖5當(dāng)前生物醫(yī)學(xué)圖像研究中的主要挑戰(zhàn)和可行解決方向

從以上研究現(xiàn)狀看，模式識別算法在生物醫(yī)學(xué)圖像分析中的應(yīng)用已廣泛開展并發(fā)展迅猛，其中深度學(xué)習(xí)在性能上處于領(lǐng)先水平。同時我們也注意到此領(lǐng)域還存在著諸多待深入研究的問題(圖5)，相關(guān)預(yù)測模型要取得生物專家和醫(yī)生群體的完全信任，還需要研究人員付出更多努力。以下列舉了幾個研究趨勢，以供參考....

本文編號：3907649