换一批摘要医学图像分割是计算机辅助诊断领域的一项关键技术,其主要任务是将特定的器官、组织或异常区域从图像中准确地识别出来.但是医学图像的质量易受到其复杂纹理和成像设备限制(如噪声和边界不清晰)的影响,故传统的医学图像分割方法已难以满足现实临床需求.随着深度学习技术的进步,基于这一领域的算法已经取得了显著的进展.本文首先回顾了七种传统的医学图像分割策略,并重点介绍了两种当前主流的深度学习方法:全卷积神经网络和U-Net,最后文章探讨了目前深度学习技术所面临的挑战及其可能的解决策略.
更多相关知识
关键词
深度学习医学图像分割全卷积神经网络U-NetDeep learningMedical image segmentationFully convolutional neural networkU-Net
分类号
TH77R318（医用一般科学）
栏目名称
DOI
10.11876/mimt202402011
发布时间
2024-05-29（万方平台首次上网日期，不代表论文的发表时间）
基金项目
江苏省高等学校大学生创新创业训练计划项目（202310312041Z）
- 浏览19
- 被引10
- 下载4
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
