基于深度学习的多模态医学图像融合方法研究进展

• 作者: 王远军 薛湛琦
• 来源期刊: 中国医学物理学杂志
• 关键词: 医学图像 图像融合 深度学习 卷积神经网络 深度信念网络
• 年，卷（期）: 2020,（5）
• 所属期刊栏目: 医学影像物理
• 页码范围: 579-583
• 页数: 5页
• 分类号: R318|TP391
• 语种: 中文
• DOI: 10.3969/j.issn.1005-202X.2020.05.009

摘要

医学图像融合方法可以将有用的信息整合到一张图像上,提高单张图像的信息量.对多模态医学图像进行融合时,如何对图像进行有效的变换,提取到不同图像中独有的特征,并施以适当的融合规则是医学图像融合领域研究的重点.近年随着深度学习的快速发展,深度学习被广泛应用于医学图像领域,代替传统方法中的一些人工操作,并在图像表示、图像特征提取以及融合规则的选择方面显示出独特优势.本文针对基于深度学习的医学图像融合进展予以探讨,介绍卷积神经网络、卷积稀疏表示、深度自编码和深度信念网络这些常用于医学图像融合的框架,对一些应用于融合过程不同步骤的深度学习方法进行分析和总结,最后,分析当前基于深度学习的融合方法的不足并展望了未来的研究方向.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王远军	上海理工大学医学影像工程研究所	66	239	9.0	12.0
2	薛湛琦	上海理工大学医学影像工程研究所	1	0	0.0	0.0