深度学习算法在甲状腺超声图像结节良恶性分类中的应用

发布时间：2023-05-07 01:25

　　介绍了超声在甲状腺结节诊断中的应用价值以及传统机器学习在甲状腺结节良恶性分类中的应用优势和局限性。综述了基于深度学习的甲状腺超声图像结节良恶性分类的研究成果和进展,分析了研究中存在的问题。指出了基于不同视角的多网络超声特征融合、深度特征与传统特征的多网络融合以及三维超声的采集和三维深度网络的应用等是该领域未来的发展方向。

【文章页数】：6 页

【文章目录】：
0 引言
1 深度学习在甲状腺超声图像结节良恶性分类中的应用
    1.1 基于DBN的甲状腺结节良恶性分类
    1.2 基于CNN的甲状腺结节良恶性分类
        1.2.1 基于单CNN架构的甲状腺结节良恶性分类
            1.2.1. 1 传统单CNN
            1.2.1. 2 结构优化的单CNN
        1.2.2 基于多CNN架构的甲状腺结节良恶性分类
            1.2.2. 1 结节多特征融合分类网络
            1.2.2. 2 语义与图像特征融合分类网络
            1.2.2. 3 低级、高级特征融合分类网络
            1.2.2. 4 多网络融合分类模型
2 研究中存在的问题分析
    2.1 小样本学习
    2.2 结节图像预处理
    2.3 图像来源异质性
3 结语



本文编号：3809975