换一批基于深度学习的肾脏超声图像分割:现状与挑战
Deep Learning-based Kidney Segmentation in Ultrasound Imaging:Current Trends and Challenges
摘要肾脏超声图像分割作为一项关键的临床任务,在疾病诊断和治疗规划中发挥着重要作用.该综述系统回顾了 2017至2024年间肾脏超声图像分割领域的重要研究成果,重点分析了二维和三维分割技术及异常病变肾脏分割方法.对于二维超声图像,总结了 4类分割技术方法:1)基于纹理特征提取的传统分割方法;2)U-Net及其改进架构;3)融合肾脏形状和边界先验知识的深度监督学习方法;4)多模态信息融合分割技术.此外,详细梳理了当前公开可用的数据集和标准化评估指标,为后续研究提供了可靠的比较基准.尽管当前二维分割方法已取得显著进展,但仍面临诸多挑战:精细解剖结构的分割精度有待提升,三维分割技术尚未成熟,异常病变分割研究明显不足,以及高质量训练数据严重匮乏等关键问题.这些技术瓶颈的突破将直接决定该领域研究成果的临床转化前景.展望未来,需要重点发展精细结构与三维分割技术、探索跨模态学习方法、深化组织特征信息融合策略,并着力构建大模型和高质量数据集,以全面提升肾脏超声分割技术的临床应用价值.
更多相关知识
关键词
肾脏超声分割深度学习肾脏异常评估指标公开数据集Kidney US segmentationDeep learningRenal abnormalitiesEvaluation metricsOpen datasets
栏目名称
DOI
10.11896/jsjkx.250300159
发布时间
2025-09-22（万方平台首次上网日期，不代表论文的发表时间）
- 浏览2
- 被引0
- 下载1
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
