10.3969/j.issn.1005-8001.2020.02.010
深度学习技术在医学影像中的应用
近十年来,人工智能(artificial intelligence,AI)在医学领域发展迅速,很大程度上得益于机器学习(machine learning,ML)技术的发展与进步,而机器学习也成为医学领域创新的新引擎.医学成像领域中,机器学习对图像重组、病变分割、计算机辅助检测(computer-aided detection,CADe)和诊断(computer-aided diagnosis,CADx)等方面的优化产生了积极影响[1, 2].与传统的医学图像分析技术相比,机器学习技术不需要由医学及技术领域专家为特定分析制定明确相关的功能.相反,机器学习开发了一种自学模式,可从培训数据集中自动查找或学习相关技术要素[3].此外,计算机深度学习(deep learning,DL)算法的开发[4]促进了机器学习在医学领域的应用并扩大了其应用规模[5].三个融合技术的进步促使深度学习开发:(1)海量数据(大数据)的可用性;(2)中央处理单元(central processing units , CPU )和图形处理单元( graphics processing units,GPU )的进步; (3 )学习算法的创新[6, 7].与传统机器学习技术的功能很大程度上受其浅层结构的限制不同,深度学习模仿人脑的深层组织结构可处理并表达来自多层面的信息.
29
2020-05-28(万方平台首次上网日期,不代表论文的发表时间)
共3页
135-137