论文部分内容阅读
依靠医生的临床经验和主观判断的医学图像诊断方法存在着图像信息利用率不高、主观依赖性强等缺点,而随着大数据技术的发展,尤其是深度学习出现,其逐层的特征抽象学习,与人的大脑对图像的认识过程高度相似,对图像的识别技术极大提升.首先介绍深度学习的一般过程,并对其在医学图像应用的技术方案和应用分类进行综述.其中卷积神经网络针对二维数据天然的优势，在图像识别领域得到非常多研究者的青睐，近几年国外内研究者对其在医学图像领域的研究与应用日益增多，研究和应用大致可以分为四个类别:医学图像的分类问题;医学图像的分割问题;针对不同类别医学图像(CT,MR,X线、2D/3D))网络结构训练优化问题;探索新的医学图像结合深度学习技术融合应用。