文档摘要：医学影像分割关键任务之一是计算机辅助诊断,为精确识别出病变区域以及目标器官、组织的诊断提供技术支持.然而,医学影像往往存在纹理复杂、噪声大、边界模糊等基本特点,并且标注数据有限且可能存在标注误差因素,这使得基于传统图像分割算法难以满足临床应用需求.近年来,基于深度学习的医学图像分割方法因表征和上下文信息捕获能力不断改进取得了极大的成功.文章将从不同分割模型及变种模型阐述计算机视觉下的医学影像分割方法及其难点,对当前具有代表性的深度学习医学影像分割方法展望了未来的研究趋势.
作者：谭健权 伊力亚尔·加尔木哈买提Author：
作者单位：伊犁师范大学网络安全与信息技术学院,新疆伊宁835000
刊名：电脑知识与技术
Journal：ComputerKnowledgeandTechnology
年，卷(期)：2024, 20(18)
分类号：TP311
关键词：医学图像处理 神经网络 方法研究 图像分割
机标分类号：TP391.41TP751R445
在线出版日期：2024年7月22日
基金项目：伊犁师范大学校级重点项目基于深度学习的医学图像分割综述[
期刊论文] 电脑知识与技术--2024, 20(18)谭健权 伊力亚尔·加尔木哈买提医学影像分割关键任务之一是计算机辅助诊断,为精确识别出病变区域以及目标器官、组织的诊断提供技术支持.然而,医学影像往往存在纹理复杂、噪声大、边界模糊等基本特点,并且标注数据有限且可能存在标注误差因素,这使得基于...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
关键词：
- 文件大小:
- 1.36 MB
- 下载次数:
- 60
-
高速下载
|
|
