基于深度学习方法检测皮肤镜图像中黑色素瘤的研究进展与展望

• 作者: 张杰 李贤威 法振宗 王亚林 赵惠军
• 来源期刊: 医疗卫生装备
• 学科: 医学
• 关键词: 深度学习方法 黑色素瘤检测 皮肤镜 计算机辅助检测 病灶分割 病灶分类
• 年，卷（期）: 2018,（11）
• 所属期刊栏目: 综述
• 页码范围: 90-95
• 页数: 6页
• 分类号: R318|R445.2
• 字数: 4506字
• 语种: 中文
• DOI: 10.7687/j.issn1003-8868.2018.11.090

摘要

阐述了通过皮肤镜图像对黑色素瘤进行计算机辅助检测需要解决的问题,介绍了卷积神经网络、残差网络和迁移学习方法.在此基础上,从病灶分割与病灶分类2个方面分析了基于深度学习方法检测黑色素瘤的研究成果,明确了算法的改进和数据集的完善对黑色素瘤检测准确性的提高具有重要作用.指出了利用患者多模态数据进行检测和发展能利用智能手机进行检测的深度学习算法是未来的重点研究方向,为深化黑色素瘤自动检测研究、推动自动检测方法应用于临床诊断提供了基础.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张杰	解放军总医院第六医学中心医学工程科	27	128	6.0	10.0
2	赵惠军	解放军总医院第六医学中心医学工程科	2	11	2.0	2.0
3	李贤威	解放军总医院第六医学中心医学工程科	2	11	2.0	2.0
4	法振宗	解放军总医院第六医学中心皮肤科	1	8	1.0	1.0
5	王亚林	解放军总医院第六医学中心医学工程科	2	11	2.0	2.0