梁蒙蒙 1 , 周涛 2,3 , 张飞飞 1 , 杨健 1 , 夏勇 4
  • 1. 宁夏医科大学 公共卫生与管理学院(银川 750004);
  • 2. 北方民族大学 计算机科学与工程学院(银川 750004);
  • 3. 宁夏医科大学 理学院(银川 750004);
  • 4. 西北工业大学 计算机学院(西安  710072);
导出 下载 收藏 扫码 引用

卷积神经网络(CNN)是机器学习研究中的热点,在医学图像应用中具有一定价值。本文首先介绍了 CNN 基本原理,其次综述了其在网络结构的改进:在模型结构方面,总结了 CNN 的 11 种经典模型,并以时间顺序梳理发展进程;在结构优化方面,从 CNN 的 5 个方面(输入层、卷积层、下采样层、全连接层以及整个网络)总结研究进展。然后,对学习算法从优化和融合两个方面进行归纳:优化算法方面,根据优化目的(提高准确率、防止过拟合、防止局部最值、提高收敛速度)梳理算法的进展;方法融合方面,分别从输入层、卷积层、下采样层、全连接层和输出层共 5 个角度进行归纳。最后,将 CNN 映射到医学图像领域,结合计算机辅助诊断探讨 CNN 在医学图像中的应用。本文对 CNN 进行了较为全面系统地总结,对 CNN 的研究发展具有积极意义。

引用本文: 梁蒙蒙, 周涛, 张飞飞, 杨健, 夏勇. 卷积神经网络及其在医学图像分析中的应用研究. 生物医学工程学杂志, 2018, 35(6): 977-985. doi: 10.7507/1001-5515.201710060 复制

  • 上一篇

    生成式对抗网络在医学图像处理中的应用
  • 下一篇

    内源性成体神经干细胞神经发生机制的研究进展