深度学习及其在医学图像分析中的应用研究

发布时间：2017-06-05 20:04

  本文关键词：深度学习及其在医学图像分析中的应用研究，由笔耕文化传播整理发布。

【摘要】：深度学习被引入机器学习领域与大数据的完美结合加快了人工智能实现的步伐,近年来备受学术界和工业界的广泛关注。从深度学习的3种经典模型出发,主要做了5方面的工作:第一,针对深度信念网络,从网络结构(隐含层数、RBM结构、DBN级联),学习算法(基本算法、优化算法与其他方法结合),硬件系统(GPU,FPGA)三个方面进行总结;第二,针对卷积神经网络,从网络结构(输入层、隐含层、CNN个数),学习算法,硬件系统三个方面进行归纳;第三,针对堆栈自编码器,以时间为轴对其发展进行梳理,阐述相应自编码器的方法改进;第四,从医学图像分割、医学图像识别和计算机辅助诊断3个方面详细探讨深度学习在医学图像分析领域中的应用;最后从大数据浪潮、模型构建、特征学习、应用拓展4个方面对深度学习的发展进行展望。
【作者单位】： 宁夏医科大学公共卫生与管理学院;宁夏医科大学理学院;
【关键词】： 深度学习 深度信念网络 卷积神经网络 堆栈自编码器 医学图像
【基金】：国家自然科学基金项目(81160183;61561040) 宁夏自然科学基金项目(NZ12179;NZ14085) 宁夏高等学校科研项目(NGY2013062)
【分类号】：R318;TP181
【正文快照】： 深度学习是机器学习领域中一系列试图使用多重非线性变换对数据进行多层抽象的算法,不仅学习输入和输出之间的非线性映射,还学习输入数据向量的隐藏结构[1],以用来对新的样本进行智能识别或预测。20世纪80年代末期,用于人工神经网络的反向传播算法的发明掀起了基于统计模型的

  本文关键词：深度学习及其在医学图像分析中的应用研究，由笔耕文化传播整理发布。

，

本文编号：424497