摘要
本文概述了深度学习在医学图像分析领域相关应用的多篇论文,分析了深度学习在医学图像分类、目标检测、分割和其他任务中的使用情况。最后,对未来可能需要去进一步研究和解决的问题进行了讨论。
出处
《电子技术与软件工程》
2021年第18期137-138,共2页
ELECTRONIC TECHNOLOGY & SOFTWARE ENGINEERING
二级参考文献45
-
1王晓华,陈卉,马大庆,高培毅,周新华.人工神经网络在孤立性肺结节CT诊断研究中的应用[J].中华放射学杂志,2006,40(4):377-382. 被引量:21
-
2Torre LA, Bray F, Siegel RL, et al. Global cancer statistics, 2012[J].CA Cancer J Clin,2015,65:87-108.
-
3Bogoni L, Ko JP, Alpert J, et al. Impact of a computer-aided detec-tion (CAD) system integrated into a picture archiving and communi-cation system (PACS) on reader sensitivity and efficiency for thedetection of lung nodules in thoracic CT exams [J]. J Digit Imaging,2012,25:771-781.
-
4Fabel M, Wulff A, Heckel F,et al. Clinical lymph node staging--in-fluence of slice thickness and reconstruction kernel on volumetryand RECIST measurements[J]. Eur J Radiol,2012 ,81:3124-3130.
-
5Wielpiitz MO, Wroblewski J, Lederlin M,et al. Computer-aided de-tection of artificial pulmonary nodules using an ex vivo lung phan-tom: influence of exposure parameters and iterative reconstruction[J]. Eur J Radiol, 2015,84:1005-1011.
-
6Hein PA, Rogalla P,KIessen C,et al. Computer -aided pulmonarynodule detection - performance of two CAD systems at different CTdose levels[J]. Rofo, 2009,181:1056-1064.
-
7El-Baz A, Beache GM, Gimel * Farb G, et al. Computer-aided diag-nosis systems for lung cancer: challenges and methodologies[J]. Int JBiomed Imaging, 2013, 2013:942353.
-
8Bram YG, Schaefer-Prokop CM, Mathias P. Computer-aided diag-nosis: how to move from the laboratory to the clinic[J]. Radiology,2011,261:719-732.
-
9Jacobs C, van Rikxoort EM, Scholten ET, et al. Solid, part-solid, ornon -solid: classification of pulmonary nodules in low -dose chestcomputed tomography by a computer-aided diagnosis system[J], In-vest Radiol, 2015, 50: 168-173.
-
10Jeon KN,Goo JM, Lee CH, et al. Computer-aided nodule detectionand volumetry to reduce variability between radiologists in the inter-pretation of lung nodules at low-dose screening CT[J]. Invest Radiol,2012,47: 457-461.
共引文献24
-
1张怀瑢,孙潇,田兴仓,郝喜海,李斌,朱力.基于深度学习的人工智能诊断系统在不同重建参数下对肺结节的识别研究[J].临床放射学杂志,2020,39(11):2203-2206. 被引量:10
-
2柳治国.高分辨率CT对良性和恶性肺小结节的临床诊断价值研究[J].世界最新医学信息文摘,2020(90):271-272. 被引量:2
-
3李春晶.高分辨率CT对肺小结节及早期肺癌的临床诊断价值研究[J].世界最新医学信息文摘,2020(14):146-147.
-
4郭乃洲,马达,王万相,王惠民,张冬雷.样品不同处理方法对PCR微孔板杂交法检测TTVDNA的影响[J].临床检验杂志,2000,18(1):36-37. 被引量:8
-
5成明富.精准医疗 影像先行[J].淮海医药,2017,35(2):127-129. 被引量:2
-
6周靖宇,成官迅.基于MRI的乳腺癌计算机辅助检测与诊断系统的应用和进展[J].功能与分子医学影像学(电子版),2017,6(4):1349-1353. 被引量:7
-
7韩丽珠,叶兆祥.生物标志物在肺癌筛查和诊断中的价值[J].国际医学放射学杂志,2018,41(4):427-430. 被引量:5
-
8王艳娇.肺癌应用CT技术的诊断价值研究[J].中国医药指南,2019,17(4):129-130. 被引量:1
-
9李欣菱,王颖.人工智能在肺结节检测与诊断中的应用及发展[J].新发传染病电子杂志,2019,4(3):185-189. 被引量:16
-
10邬雪涛,林岚,王婧璇.基于CT图像的肺实质分割技术研究进展[J].智慧健康,2019,5(20):87-89. 被引量:4
同被引文献28
-
1孙志军,薛磊,许阳明,王正.深度学习研究综述[J].计算机应用研究,2012,29(8):2806-2810. 被引量:599
-
2于亚波,丛占杰.老年黄斑变性与心血管病危险因素的关系[J].中国老年学杂志,2016,36(19):4865-4867. 被引量:7
-
3郝欣平,陈树斌,于子龙,梁凤和,王杰,石颖,李永新.200例耳硬化症手术患者临床特征分析[J].临床耳鼻咽喉头颈外科杂志,2017,31(20):1545-1547. 被引量:11
-
4段凌凤,熊雄,刘谦,杨万能,黄成龙.基于深度全卷积神经网络的大田稻穗分割[J].农业工程学报,2018,34(12):202-209. 被引量:41
-
5邵保泰,汤心溢,金璐,李争.基于生成对抗网络的单帧红外图像超分辨算法[J].红外与毫米波学报,2018,37(4):427-432. 被引量:23
-
6苏秋豫,郝少娟,叶放蕾,潘滔(审核人).306例儿童中耳胆脂瘤的临床特点及手术方式[J].中华耳科学杂志,2018,16(4):532-537. 被引量:12
-
7李继凡,陈硕,章强,宋焱,Gador Canton,孙杰,许东翔,赵锡海,苑纯,李睿.基于U-Net神经网络的多模态MR颈动脉血管成像的分割方法研究[J].中华放射学杂志,2019,53(12):1091-1095. 被引量:7
-
8常佳,王玉德,吉燕妮.基于改进的U-Net生成对抗网络的图像翻译算法[J].通信技术,2020,53(2):327-334. 被引量:8
-
9Nanjun HE,Leyuan FANG,Antonio PLAZA.Hybrid first and second order attention Unet for building segmentation in remote sensing images[J].Science China(Information Sciences),2020,63(4):65-76. 被引量:17
-
10王晟全,陈济颖,王奕翔,李昂,李鑫.无监督网络对抗生成模型的研究[J].计算机技术与发展,2020,30(4):89-93. 被引量:2
引证文献4
-
1王剑.基于卷积网络的老年黄斑变性识别方法[J].电子技术与软件工程,2022(8):201-204.
-
2袁小平,何祥,王小倩,胡杨明.基于多层级特征自适应融合的图像分割算法[J].浙江大学学报(工学版),2022,56(10):1958-1966.
-
3卯爽,吴学文,侯木舟,梅凌云,冯永,宋剑.深度学习在耳科学中的研究与应用进展[J].中南大学学报(医学版),2023,48(3):463-471.
-
4王家晨,张鸿鑫,刘庆华.基于生成对抗网络的肺炎CT图像生成[J].计算机与现代化,2023(7):20-24.
-
1陈嘉源.探讨设计心理学在艺术设计中的实践运用[J].视界观,2021(17):0176-0176.
-
2丁捷,章曹超,任立飞,蒋小龙,吴京京.基于机器学习的通信网告警关联分析综述[J].电脑乐园,2021(4):0315-0315.
-
3丁维龙,余鋆,李涛,丁潇.基于改进双线性网络的腕骨区域骨龄评估方法[J].浙江工业大学学报,2021,49(5):511-519. 被引量:1
-
4陈芝涛.基于多尺度上下文特征学习的胆管及胆结石图像分割[J].现代计算机,2021,27(25):74-78. 被引量:1
-
5孙赞,王志龙,王禧瑞,卢晨琛,魏翠婷,胡桢茜.既有混凝土框架上钢结构加层建筑抗震分析综述[J].安徽建筑,2021,28(10):63-65. 被引量:6
-
6王成宇,陈自刚,李书芳,王怡宁.基于张量积压缩感知的高效安全的影像传输[J].中国传媒大学学报(自然科学版),2021,28(2):68-74.