[1]宫进昌,赵尚义,王远军. 基于深度学习的医学图像分割研究进展[J].中国医学物理学杂志,2019,36(4):420-424.[doi:DOI:10.3969/j.issn.1005-202X.2019.04.010]
 GONG Jinchang,ZHAO Shangyi,WANG Yuanjun.Research progress on deep learning-based medical image segmentation[J].Chinese Journal of Medical Physics,2019,36(4):420-424.[doi:DOI:10.3969/j.issn.1005-202X.2019.04.010]
点击复制

 基于深度学习的医学图像分割研究进展()
分享到:

《中国医学物理学杂志》[ISSN:1005-202X/CN:44-1351/R]

卷:
36卷
期数:
2019年第4期
页码:
420-424
栏目:
医学影像物理
出版日期:
2019-04-25

文章信息/Info

Title:
Research progress on deep learning-based medical image segmentation
文章编号:
1005-202X(2019)04-0420-05
作者:
宫进昌赵尚义王远军
 上海理工大学医学影像工程研究所, 上海 200093
Author(s):
GONG Jinchang ZHAO Shangyi WANG Yuanjun
Institute of Medical Imaging Engineering, University of Shanghai for Science and Technology, Shanghai 200093, China
关键词:
 医学图像分割深度学习卷积神经网络综述
Keywords:
Keywords: medical image segmentation deep learning convolutional neural network review
分类号:
R318;TP391.5
DOI:
DOI:10.3969/j.issn.1005-202X.2019.04.010
文献标志码:
A
摘要:
 医学图像分割是医学图像定量分析的关键步骤之一,因此病灶分割对临床诊断有重要意义。针对传统分割方法中存在的过多依赖医学领域的先验知识和人为评估错误等问题,提出了基于深度学习的病灶分割方法。本文总结了卷积神经网络算法应用于医学图像病灶分割的研究进展。首先,论述卷积神经网络的基本结构及其常用架构;其次介绍深度学习在医学图像病灶分割中的应用,其中包括肺结节的检测和分类,脑肿瘤分割和乳腺病灶的分割;最后,分析了目前该研究中存在的优缺点并对深度学习的发展方向进行展望。
Abstract:
Abstract: Medical image segmentation is a key step in the quantitative analysis of medical images. Therefore, segmentation of lesions is of great significance for clinical diagnosis. Based on the problems of traditional segmentation methods such as excessive dependence on the prior knowledge of medical science and errors in subjective assessment, the researchers propose a deep learning-based method for lesion segmentation. Herein the research progress of convolutional neural network algorithm in lesion segmentation is summarized. First, the basic structure and architecture of convolutional neural network are expounded. Secondly, the application of deep learning in lesion segmentation, including the detection and classification of pulmonary nodules and the segmentation of brain tumors and breast lesions, are introduced. Finally, the advantages and disadvantages existed in this research are analyzed and the development direction of deep learning is prospected.

相似文献/References:

[1]万俊,聂生东,王远军,等.基于MRI的脑肿瘤分割技术研究进展[J].中国医学物理学杂志,2013,30(04):4266.[doi:10.3969/j.issn.1005-202X.2013.04.013]
[2]林江,戴齐,欧阳婷雪,等.一种边界和马尔可夫随机场相结合的脑MRI医学图像分割方法[J].中国医学物理学杂志,2015,32(05):717.[doi:doi:10.3969/j.issn.1005-202X.2015.05.023]
 [J].Chinese Journal of Medical Physics,2015,32(4):717.[doi:doi:10.3969/j.issn.1005-202X.2015.05.023]
[3]王遥,霍万里,熊壮,等.TACE手术中不同站姿下铅眼镜和铅面罩对医生眼晶状体防护效果的蒙特卡洛模拟比较[J].中国医学物理学杂志,2016,33(6):553.[doi:DOI:10.3969/j.issn.1005-202X.2016.06.003]
 [J].Chinese Journal of Medical Physics,2016,33(4):553.[doi:DOI:10.3969/j.issn.1005-202X.2016.06.003]
[4]张新,谷晓芳,王培臣,等.轻离子束治疗设备注册检验关键技术问题[J].中国医学物理学杂志,2016,33(6):559.[doi:10.3969/j.issn.1005-202X.2016.06.004]
 [J].Chinese Journal of Medical Physics,2016,33(4):559.[doi:10.3969/j.issn.1005-202X.2016.06.004]
[5]江芬芬,王培,康盛伟,等. 热释光剂量片测量肺部肿瘤放疗剂量的方法[J].中国医学物理学杂志,2016,33(6):564.[doi:10.3969/j.issn.1005-202X.2016.06.005]
 [J].Chinese Journal of Medical Physics,2016,33(4):564.[doi:10.3969/j.issn.1005-202X.2016.06.005]
[6]刘洪源,彭威,杨锐,等. 锥形束CT离线校正肺癌摆位误差[J].中国医学物理学杂志,2016,33(6):573.[doi:10.3969/j.issn.1005-202X.2016.06.007]
 [J].Chinese Journal of Medical Physics,2016,33(4):573.[doi:10.3969/j.issn.1005-202X.2016.06.007]
[7]赵彪,潘香,杨毅,等. 右乳癌保乳术后瘤床同步X线和后程电子线补量调强放疗剂量学比较[J].中国医学物理学杂志,2016,33(6):576.[doi:10.3969/j.issn.1005-202X.2016.06.008]
 [J].Chinese Journal of Medical Physics,2016,33(4):576.[doi:10.3969/j.issn.1005-202X.2016.06.008]
[8]邓南,钱建庭,刁现芬,等. 基于宽带检测放疗X-光光声效应仿体实验[J].中国医学物理学杂志,2016,33(9):865.[doi:DOI:10.3969/j.issn.1005-202X.2016.09.001]
 [J].Chinese Journal of Medical Physics,2016,33(4):865.[doi:DOI:10.3969/j.issn.1005-202X.2016.09.001]
[9]张先稳,李军,张西志,等. 宫颈癌术后5野调强放疗4个变量组合的最佳治疗模式的剂量学[J].中国医学物理学杂志,2016,33(9):872.[doi:10.3969/j.issn.1005-202X.2016.09.002]
 [J].Chinese Journal of Medical Physics,2016,33(4):872.[doi:10.3969/j.issn.1005-202X.2016.09.002]
[10]胡健,李承军,徐利明,等. 床面倾斜对剂量验证通过率的影响[J].中国医学物理学杂志,2016,33(9):881.[doi:10.3969/j.issn.1005-202X.2016.09.003]
 [J].Chinese Journal of Medical Physics,2016,33(4):881.[doi:10.3969/j.issn.1005-202X.2016.09.003]
[11]吴迪,胡胜,刘伟峰,等. 基于特征融合视觉显著性的医学图像分割[J].中国医学物理学杂志,2018,35(6):670.[doi:DOI:10.3969/j.issn.1005-202X.2018.06.010]
 WU Di,HU Sheng,LIU Weifeng,et al. Medical image segmentation based on visual saliency of feature fusion[J].Chinese Journal of Medical Physics,2018,35(4):670.[doi:DOI:10.3969/j.issn.1005-202X.2018.06.010]
[12]刘国才,官文静,田娟秀,等. 集成自适应回归核的肿瘤生物靶区随机游走勾画方法[J].中国医学物理学杂志,2018,35(7):758.[doi:DOI:10.3969/j.issn.1005-202X.2018.07.004]
 LIU Guocai,GUAN Wenjing,TIAN Juanxiu,et al. A random walk method with adaptive regression-kernel for delineation of biological target volumes of tumors[J].Chinese Journal of Medical Physics,2018,35(4):758.[doi:DOI:10.3969/j.issn.1005-202X.2018.07.004]

备注/Memo

备注/Memo:
 【收稿日期】2019-01-10
【基金项目】国家自然科学基金(61201067)
【作者简介】宫进昌,硕士研究生,研究方向:基于深度学习的医学图像处理,E-mail: 18018593656@163.com;赵尚义,硕士研究生,研究方向:基于深度学习的医学图像处理,E-mail:yionly1994@163.com
【通信作者】王远军,博士,副教授,研究方向:生物医学工程、医学图像处理,E-mail: yjusst@126.com
更新日期/Last Update: 2019-04-23