【医学影像系列：二】2019 综述阅读 Going Deep in Medical Image Analysis:Concepts, Methods, Challenges and Future

鹿鹿最可爱

于 2019-05-26 11:01:55 发布

阅读量2.4k

点赞数 3

CC 4.0 BY-SA版权

分类专栏：医学影像文章标签： Going Deep in Medical Image Analysi 综述医学影像

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.youkuaiyun.com/qq_31622015/article/details/90573896

本文综述了2019年医学图像分析领域的深度学习技术，涵盖了检测/定位、分割、配准、分类等任务。特别地，文章讨论了在眼科应用，如青光眼视神经病变的检测，通过深度学习模型实现高精度的诊断。同时，文章指出小数据问题、多模态学习是未来研究方向，并引用了多个相关研究作为参考。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

2019 arXiv

Going Deep in Medical Image Analysis:Concepts, Methods, Challenges and Future Directions

Method

title

医学图像分析主要包含的模式识别任务是检测/定位、分割、配准、分类。常见的医学影像包括 Brain、Breast、Eye、Chest、Abdomen等。

检测/定位

title

分割

title

配准

title

分类

title

Eye

GON

青光眼视神经病变 ScienceDirect paper

Li等[68]最近采用了深度转移学习方法，该方法可以很好地调整在ImageNet [69]数据集上预训练的VGG-16模型[31]。为了检测和分类眼中年龄相关性

最低0.47元/天解锁文章

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。