换一批基于深度学习的PET图像感兴趣区域自动化分割研究进展
Advances in Automated Segmentation of Regions of Interest in PET Images Based on Deep Learning
摘要正电子发射断层扫描(Positron Emission Tomography,PET)成像在临床应用中至关重要,其图像的自动化分割对疾病诊疗意义重大.PET图像的自动化分割研究近年来取得了显著进展,特别是在深度学习方法的应用方面.PET图像分割能够准确地分离和标记出感兴趣区域,如肿瘤、器官和其他结构,这对疾病的诊断、治疗规划和研究具有重要意义.本文基于神经网络系统概述了PET图像分割的最新研究成果,并分析了现有局限性与未来的发展趋势,以期助力PET图像分割算法的优化,为医学研究提供新的思路和参考.
更多相关知识
关键词
正电子发射断层扫描成像感兴趣区域分割深度学习自动化分割卷积神经网络生成对抗网络positron emission tomography(PET)imagingregion of interest segmentationdeep learningautomated segmentationconvolutional neural networksgenerative adversarial networks
分类号
R817.4（放射医学）
栏目名称
DOI
10.3969/j.issn.1674-1633.20241237
发布时间
2025-07-01（万方平台首次上网日期，不代表论文的发表时间）
基金项目
国家重点研发计划（2022YFC2406900）
- 浏览15
- 被引0
- 下载7
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
