人工智能技术在影像诊断中的应用及展望

发布时间：2024-05-13 20:01

　　深度学习作为新一代人工智能技术,以其强大的特征自动提取能力已经在自然语言处理、图像识别等领域崭露头角,而医生针对医学影像素材进行分析、诊断的过程与深度学习在其他图像领域的应用过程极为相似,故本文首先以深度学习的基本原理为切入点,其次对其目前在影像诊断领域的现状进行阐述,最后针对亟待解决的环节予以梳理及展望。

【文章页数】：3 页

【部分图文】：

图1卷积神经网络结构图

目前影像诊断领域学者研究较多的为卷积神经网络,如图1,在国内外顶级医学与人工智能期刊上发表的论文已经多达上千篇。此种神经网络在图像处理方面有着出色的表现,其通过卷积、池化等操作对原始图像进行逐层特征提取,已经被应用于人脸识别、物体检测等任务场景。由于不同医学成像设备产生的结构性图....

图2肺癌患者CT影像数据

在深度学习的应用中,主要是针对通过医学影像技术采集的影像对患者是否存在肺癌病变作出判断,相当于利用深度学习解决了一种分类问题。Sun[4]等利用卷积神经网络和深度信念网络实现了对早期肺癌的诊断分类,相较于传统的计算机辅助诊断准确率有一定的提升。PanH[5]等针对肺癌患者的病理....

图3乳腺癌患者MRI影像数据

近年来,乳腺癌在全球范围内的发病率不断攀升,在对乳腺癌的影像诊断方面,诸多学者采用深度学习算法进行了有益的探索。由于目前常用的乳腺影像均为二维图像,如图2为RIDERBreast数据集中的乳腺癌影像数据。这也使得其他图像领域的成熟方法可以较为便捷的迁移过来。Spanhol[8]....

本文编号：3972638