摘要深度学习模型如卷积神经网络、自动编码器、生成对抗网络等凭借强大的数据拟合能力和泛化能力,已成为医学辅助诊断的必然趋势.深度学习具有效率高、速度快、准确率高、客观性强等优势,广泛应用于病理学及检验诊断学等领域.该文阐述深度学习在病理学及检验诊断学图像分析领域的优势及基本模型,介绍其在病理学及检验诊断学中的应用及进展,总结面临的问题与挑战.
更多相关知识
- 浏览62
- 被引2
- 下载9

相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
摘要深度学习模型如卷积神经网络、自动编码器、生成对抗网络等凭借强大的数据拟合能力和泛化能力,已成为医学辅助诊断的必然趋势.深度学习具有效率高、速度快、准确率高、客观性强等优势,广泛应用于病理学及检验诊断学等领域.该文阐述深度学习在病理学及检验诊断学图像分析领域的优势及基本模型,介绍其在病理学及检验诊断学中的应用及进展,总结面临的问题与挑战.
更多相关知识