文献类型：期刊文章

作　　者：田娟秀[1,2] 刘国才[1] 谷珊珊[3] 鞠忠建[3] 刘劲光[1,2] 顾冬冬[1]

TIAN Juan-Xiu1, 2 ,LIU Guo-Cai1 ,GU Shan-Shan3 ,JU Zhong-Jian3 ,LIU Jin-Guang1,2 ,GU Dong-Dong1(1. College of Electrical and Information Engineering, Hu- nan University, Changsha 410082 2. College of Computer and Communication, Hunan Institute of Engineering, Xiangtan 411104 3. Departments of Radiation Oncology, Chinese PLA General Hospital, Beijing 10085)

机构地区：[1]湖南大学电气与信息工程学院,长沙410082 [2]湖南工程学院计算机与通信学院,湘潭411104 [3]北京解放军总医院放疗科,北京100853

出　　处：《自动化学报》

基　　金：国家自然科学基金(61671204;61271382;61301254;61471166);湖南省科技计划重点研发专项基金(2016WK2001)资助~~

年　　份：2018

卷　　号：44

期　　号：3

起止页码：401-424

语　　种：中文

收录情况：BDHX、BDHX2017、CSCD、CSCD2017_2018、EI、IC、JST、MR、PUBMED、RCCSE、SCOPUS、ZGKJHX、ZMATH、核心刊

摘　　要：深度学习(Deep learning,DL),特别是深度卷积神经网络(Convolutional neural networks,CNNs),能够从医学图像大数据中自动学习提取隐含的疾病诊断特征,近几年已迅速成为医学图像分析研究热点.本文首先简述医学图像分析特点;其次,论述深度学习基本原理,总结深度CNNs在医学图像分析中的分类、分割框架;然后,分别论述深度学习在医学图像分类、检测、分割等各应用领域的国内外研究现状;最后,探讨归纳医学图像分析深度学习方法挑战及其主要应对策略和开放的研究方向.

关 键 词：深度学习  医学图像分析 卷积神经网络 图像分类 图像分割

分 类 号：TP181] TP391.41]