文献类型：期刊文章

作　　者：蒋西然[1] 蒋韬[1] 孙嘉瑶[2] 宋江典[3] 姜文研[4] 艾华[1] 龙哲[1] 苏娟[1] 常世杰[1] 于韬[4]

JIANG Xiran;JIANG Tao;SUN Jiayao;SONG Jiangdian;JIANG Wenyan;AI Hua;LONG Zhe;SU Juan;CHANG Shijie;YU Tao(Institute of Public Basic,China Medical University,Shenyang Liaoning 110122,China;Department of Computer Science and Technology,University of Chinese Academy of Sciences,Beijing 100049,China;Department of Medical Information,China Medical University,Shenyang Liaoning 110122,China;Department of Medical Imaging,Liaoning Cancer Hospital,Cancer Hospital of China Medical University,Shenyang Liaoning 110042,China)

机构地区：[1]中国医科大学公共基础学院,辽宁沈阳110122 [2]中国科学院大学计算机科学与技术学院,北京100049 [3]中国医科大学医学信息学院,辽宁沈阳110122 [4]辽宁省肿瘤医院中国医科大学肿瘤医院医学影像科,辽宁沈阳110042

出　　处：《中国医疗设备》

基　　金：国家自然科学基金面上项目(81872363);国家重点研发计划(2016YFC1303002);辽宁省科技厅博士启动基金(81501833);沈阳市科技计划重大项目(17230907);中国医科大学健康医疗大数据研究课题(HMB201903101)。

年　　份：2021

卷　　号：36

期　　号：6

起止页码：164-171

语　　种：中文

收录情况：JST、ZGKJHX、普通刊

摘　　要：随着医学影像分析技术的快速发展和临床影像数据量的急剧增长,如何快速准确地针对不同疾病医学影像进行精确诊断、分类和预后评估,是现代医学工作者面临的重大挑战。深度学习是一种高通量自动化提取高维度特征信息的新一代人工智能技术,目前已广泛应用于临床医学大数据分析领域,为临床医学影像的快速识别、精准分割和辅助诊断等分析工作提供了新的契机。本文综述了近年来深度学习技术在医学影像分析领域的最新研究进展,探讨了深度学习在MRI、CT、超声和X线等医学影像分析中的重要方法和典型应用,展望了深度学习人工智能在医学影像分析中的发展前景。

关 键 词：人工智能 深度学习  医学影像 辅助诊断  图像处理

分 类 号：R445]