卷积神经网络在医学图像分割中的研究进展

• 作者: 张靖雯 徐航 李月如 赵彦富 随力
• 来源期刊: 中国医学物理学杂志
• 关键词: 卷积神经网络 医学图像 图像分割 深度学习 综述
• 年，卷（期）: 2019,（11）
• 所属期刊栏目: 医学影像物理
• 页码范围: 1302-1306
• 页数: 5页
• 分类号: R318
• 语种: 中文
• DOI: 10.3969/j.issn.1005-202X.2019.11.011

摘要

卷积神经网络(CNN)是目前计算机视觉和模式识别中效果最为突出的算法.CNN拥有强大的空间识别能力,可以从图像中提取高阶的空间特征,同时通过共用卷积核的方式大幅减少参数量,从而在提升网络性能的同时保持总参数量在一个合理的、可运算的范畴.部分采用无监督学习的CNN算法可以在没有先验知识的条件下实现一定程度的图像语义分割,大幅减少人工读图的负担.本研究就CNN在医学图像分割中的研究进展和使用CNN时的具体技巧及其效果进行综述.以使用CNN为核心的深度学习工具解决医学图像分割的课题为中心,展示了CNN在有监督学习、半监督学习及无监督学习中的巨大潜力,分析比较了现有方案的优点与不足,探讨了未来CNN在医学图像领域的前进方向.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	随力	上海理工大学医疗器械与食品学院	26	67	5.0	7.0
2	赵彦富	上海理工大学医疗器械与食品学院	4	5	1.0	2.0
3	李月如	上海理工大学医疗器械与食品学院	5	5	1.0	2.0
4	徐航	上海理工大学医疗器械与食品学院	1	4	1.0	1.0
5	张靖雯	上海交通大学医学院附属仁济医院放射科	1	4	1.0	1.0