换一批
换一批摘要医学图像是医生对患者进行病情诊断和治疗规划的有力工具.现今对于医学图像的分割不再局限于手工分割方法,通过传统方法与深度学习方法来实现医学图像分割已经取得更好、更准确的结果.本文基于近年来一些较为出众的医学图像创新分割方法进行综述,通过阐述深度学习方法如SAM、SegNet、Mask R-CNN和U-NET以及传统方法如活动轮廓模型、阈值分割模型创新等,对比各种图像分割方法的异同点,对医学图像分割方法做出总结与展望.以此来帮助学者们更好地了解目前的研究进展与未来的发展趋势.
更多相关知识
关键词
医学图像分割深度学习阈值分割神经网络任意分割模型综述medical image segmentationdeep learningthreshold segmentationneural networksegment anything modelreview
栏目名称
医学影像物理
DOI
10.3969/j.issn.1005-202X.2024.08.003
发布时间
2024-09-13
基金项目
国家自然科学基金
江苏省医学重点学科建设单位(肿瘤治疗学(放射治疗))(JSDW202237)
江苏省重点研发计划(社会发展)项目
江苏省卫健委面上项目
江苏省自然科学基金
常州市社会发展项目
- 浏览53
- 被引0
- 下载10
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
