期刊文献+

基于深度学习的多模态融合的临床应用 被引量:4

下载PDF
导出
摘要 基于深度学习的多模态融合技术旨在发挥不同模态的医学数据的优点,通过深度学习技术总结出更加精确的信息,从而实现数据之间优势互补。基于深度学习的多模态融合技术是医学发展中的重大技术突破,可将多种检查获得的数据组合起来,为患者提供准确的诊断和预后信息。本文就基于深度学习的多模态融合技术在临床中的研究做一综述。
出处 《医学理论与实践》 2021年第10期1654-1655,1662,共3页 The Journal of Medical Theory and Practice
基金 湖南省自然科学基金(2019JJ80031、2019JJ40468) 长沙市科技计划项目(kq2001041) 中南大学教改项目(2017jy96)。
  • 相关文献

参考文献3

二级参考文献23

  • 1Wong K.Medical image segmentation:methods and applications in functional imaging.Handb Biomed Image Anal Segmentation Models Part B,2005 ;2:111-182.
  • 2Jiang Jun,Wu Yao,Huang Meiyan,at al.3D brain tumor segmentation in multimodal MR i-mages based onlearning population-and patient-specific feature sets.Computerized Medical Imaging and Graphics,2013 ;27:512-521.
  • 3Gordillo N,Montseny E,Sobrevilla P.State of the art survey on MRI brain tumor segmentation.Magnetic Resonance Imaging,2013 ; 31:1426-1438.
  • 4Duda R O,Hart P E,Stork D G.Pattern classification,Second Edition.John Wiley & Sons,Inc,2004.
  • 5Atlas S W.Magnetic resonance imaging of the brain and spine.Lippincott Williams & Wilkins,2009.
  • 6LeCun Y,Bottou L,Bengio Y,et al.Gradient-based learning applied to document recognition.Proc IEEE,1998; 86 (11):2278-2324.
  • 7Hinton G E,Osindero S,Teh Y.A fast learning algorithm for deep belief nets.Neural Computation,2006 ; 18:1527-1554.
  • 8Farabet C,Couprie C,Najman L,et al.Learning hierarchical features for scene labeling.Transactions on Pattern Analysis and Machine Intelligence,2013 ;35(8):1915-1929.
  • 9Krizhevsky A,Sutskever I,Hinton G.ImageNet classification with deep convolutional neural networks.NIPS,2012.
  • 10Mohamed A,Sainath T N,Dahl G E,et al.Deep belief networks using discriminative features for phone recognition.Acoustics,Speech and Signal Processing (ICASSP),2011 IEEE International Conference on,IEEE,2011:5060-5063.

共引文献21

同被引文献52

引证文献4

二级引证文献32

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部