文献类型：期刊文章

作　　者：施俊[1] 汪琳琳[1] 王珊珊[2] 陈艳霞[2] 王乾[3] 魏冬铭[3] 梁淑君[4] 彭佳林[5] 易佳锦[5] 刘盛锋[6] 倪东[6] 王明亮[7] 张道强[7] 沈定刚[8]

Shi Jun;Wang Linlin;Wang Shanshan;Chen Yanxia;Wang Qian;Wei Dongming;Liang Shujun;Peng Jialin;Yi Jiajin;Liu Shengfeng;Ni Dong;Wang Mingliang;Zhang Daoqiang;Shen Dinggang(School of Communication and Information Engineering,Shanghai University,Shanghai 200444,China;Paul C Lauterbur Research Center,Shenzhen Institutes of Advanced Technology,Chinese Academy of Sciences,Shenzhen 518055,China;School of Biomedical Engineering,Shanghai Jiao Tong University,Shanghai 200030,China;School of Biomedical Engineering,Southern Medical University,Guangzhou 510515,China;College of Computer Science and Technology,Huaqiao University,Xiamen 361021,China;Medical UltraSound Image Computing(MUSIC)Laboratory,School of Biomedical Engineering,Health Science Center,Shenzhen University,Shenzhen 518060,China;College of Computer Science and Technology,Nanjing University of Aeronautics and Astronautics,Nanjing 211106,China;Shanghai United Imaging Intelligence Co.,Ltd.,Shanghai 200232,China)

机构地区：[1]上海大学通信与信息工程学院,上海200444 [2]中国科学院深圳先进技术研究院保罗·C·劳特伯生物医学成像研究中心,深圳518055 [3]上海交通大学生物医学工程学院,上海200030 [4]南方医科大学生物医学工程学院,广州510515 [5]华侨大学计算机科学与技术学院,厦门361021 [6]深圳大学医学部生物医学工程学院医学超声图像计算(MUSIC)实验室,深圳518060 [7]南京航空航天大学计算机科学与技术学院,南京211106 [8]上海联影智能医疗科技有限公司,上海200232

出　　处：《中国图象图形学报》

年　　份：2020

卷　　号：25

期　　号：10

起止页码：1953-1981

语　　种：中文

收录情况：BDHX、BDHX2017、CSCD、CSCD2019_2020、IC、JST、RCCSE、ZGKJHX、核心刊

摘　　要：深度学习能自动从大样本数据中学习获得优良的特征表达,有效提升各种机器学习任务的性能,已广泛应用于信号处理、计算机视觉和自然语言处理等诸多领域。基于深度学习的医学影像智能计算是目前智慧医疗领域的研究热点,其中深度学习方法已经应用于医学影像处理、分析的全流程。由于医学影像内在的特殊性、复杂性,特别是考虑到医学影像领域普遍存在的小样本问题,相关学习任务和应用场景对深度学习方法提出了新要求。本文以临床常用的X射线、超声、计算机断层扫描和磁共振等4种影像为例,对深度学习在医学影像中的应用现状进行综述,特别面向图像重建、病灶检测、图像分割、图像配准和计算机辅助诊断这5大任务的主要深度学习方法的进展进行介绍,并对发展趋势进行展望。

关 键 词：深度学习  医学影像 图像重建 病灶检测  图像分割 图像配准 计算机辅助诊断

分 类 号：TP391.4]