换一批摘要医学图像处理技术随着深度学习的兴起而飞速发展.基于深度学习的医学图像分割技术成为了分割领域的主流方法,弥补了传统分割方法分割精度不足的缺点,已被应用到一些病理图像的分割任务中.文中对近年来出现的基于深度学习的分割方法进行了介绍和对比,重点综述了U-Net及其改进模型在分割领域的贡献,归纳了常见的医学图像模态、分割算法的评价指标和常用分割数据集,并对医学图像分割技术的未来发展进行了展望.
更多相关知识
关键词
医学图像分割技术深度学习U-Net分割算法图像处理医学图像模态评价指标分割数据集medical image segmentation technologydeep learningU-Netsegmentation algorithmimage pro-cessingmedical image modalityevaluation indexsegmentation data set
DOI
10.16180/j.cnki.issn1007-7820.2024.01.011
发布时间
2024-01-15（万方平台首次上网日期，不代表论文的发表时间）
- 浏览25
- 被引22
- 下载23
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
