• 综述 •
基于神经网络的深度学习在医学影像中的研究进展
中华口腔医学杂志, 2019,54(7)
: 492-497. DOI: 10.3760/cma.j.issn.1002-0098.2019.07.011
摘要
计算机硬件的发展让影像学数据得以迅速积累，深度学习作为机器学习的新兴内容，在影像学数据分析方面表现出较大潜力。本综述首先介绍了基于神经网络的深度学习发展及内容；然后分别从检测分类与诊断、图像分割、识别与标记等研究方向具体介绍深度学习研究进展及在口腔颌面医学影像中的应用；最后对深度学习在医学影像研究中存在的问题予以讨论。
引用本文:
慕创创,
李刚.
基于神经网络的深度学习在医学影像中的研究进展
[J]
. 中华口腔医学杂志, 2019, 54(7)
: 492-497.
DOI: 10.3760/cma.j.issn.1002-0098.2019.07.011.
扫 描 看 全 文
正文
作者信息
基金 0 关键词 0
English Abstract
评论
阅读 0 评论 0
相关资源
引用 | 论文 | 视频
版权归中华医学会所有。
未经授权，不得转载、摘编本刊文章，不得使用本刊的版式设计。
除非特别声明，本刊刊出的所有文章不代表中华医学会和本刊编委会的观点。
神经网络（neural network）是一种最早出现在20世纪40年代的机器学习算法[1]。神经网络可以理解为一种模仿动物神经网络的行为特征，进行分布式并行信息处理的算法数学模型；它通过调整内部大量节点之间的相互连接关系，达到处理信息的目的[2]。深度学习是对神经网络的进一步改进。神经网络研究在20世纪60和90年代，因异或问题，以及过拟合对神经网络算法的困扰等一度停滞不前，直至2006年随着硬件的发展和算法的进步，深度学习开始重新进入人们的视野[3,4]。2012年Alex等训练AlexNet模型在ImageNet竞赛中取得冠军后，进一步推动了深度学习在图像处理上的应用[5]。深度学习作为一种分析工具目前在医学影像上的应用还处于研究阶段，主要应用于检测、诊断与分类上，通过对医学影像的分析对医学影像诊断任务进行初始过滤和筛选甚至直接诊断，在影像后处理上以图像分割为主要代表，影像获取等其他方向只有少量研究。
