深度學(xué)習(xí)作為新一代人工智能技術(shù),以其強(qiáng)大的特征自動(dòng)提取能力已經(jīng)在自然語(yǔ)言處理、圖像識(shí)別等領(lǐng)域嶄露頭角,而醫(yī)生針對(duì)醫(yī)學(xué)影像素材進(jìn)行分析、診斷的過(guò)程與深度學(xué)習(xí)在其他圖像領(lǐng)域的應(yīng)用過(guò)程極為相似,故本文首先以深度學(xué)習(xí)的基本原理為切入點(diǎn),其次對(duì)其目前在影像診斷領(lǐng)域的現(xiàn)狀進(jìn)行闡述,最后針對(duì)亟待解決的環(huán)節(jié)予以梳理及展望。

【文章頁(yè)數(shù)】：3 頁(yè)

【部分圖文】：

圖1卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖

目前影像診斷領(lǐng)域?qū)W者研究較多的為卷積神經(jīng)網(wǎng)絡(luò),如圖1,在國(guó)內(nèi)外頂級(jí)醫(yī)學(xué)與人工智能期刊上發(fā)表的論文已經(jīng)多達(dá)上千篇。此種神經(jīng)網(wǎng)絡(luò)在圖像處理方面有著出色的表現(xiàn),其通過(guò)卷積、池化等操作對(duì)原始圖像進(jìn)行逐層特征提取,已經(jīng)被應(yīng)用于人臉識(shí)別、物體檢測(cè)等任務(wù)場(chǎng)景。由于不同醫(yī)學(xué)成像設(shè)備產(chǎn)生的結(jié)構(gòu)性圖....

圖2肺癌患者CT影像數(shù)據(jù)

在深度學(xué)習(xí)的應(yīng)用中,主要是針對(duì)通過(guò)醫(yī)學(xué)影像技術(shù)采集的影像對(duì)患者是否存在肺癌病變作出判斷,相當(dāng)于利用深度學(xué)習(xí)解決了一種分類問(wèn)題。Sun[4]等利用卷積神經(jīng)網(wǎng)絡(luò)和深度信念網(wǎng)絡(luò)實(shí)現(xiàn)了對(duì)早期肺癌的診斷分類,相較于傳統(tǒng)的計(jì)算機(jī)輔助診斷準(zhǔn)確率有一定的提升。PanH[5]等針對(duì)肺癌患者的病理....

圖3乳腺癌患者M(jìn)RI影像數(shù)據(jù)

近年來(lái),乳腺癌在全球范圍內(nèi)的發(fā)病率不斷攀升,在對(duì)乳腺癌的影像診斷方面,諸多學(xué)者采用深度學(xué)習(xí)算法進(jìn)行了有益的探索。由于目前常用的乳腺影像均為二維圖像,如圖2為RIDERBreast數(shù)據(jù)集中的乳腺癌影像數(shù)據(jù)。這也使得其他圖像領(lǐng)域的成熟方法可以較為便捷的遷移過(guò)來(lái)。Spanhol[8]....

本文編號(hào)：3972638