• 1. 北京工业大学 生命科学与生物工程学院(北京 100124);
  • 2. 北京工业大学 软件工程学院(北京 100124);
导出 下载 收藏 扫码 引用

基于电子计算机断层扫描(CT)影像的计算机辅助诊断可实现对肺结节的检测与分类,提高早期肺癌的生存率,具有重要临床意义。近年来,随着医疗大数据与人工智能技术的飞速发展,基于深度学习算法的肺癌辅助诊断已逐渐成为该领域最为活跃的研究方向之一。为了进一步推动深度学习算法在肺结节检测和分类中的研究,本文结合近年国内外发表的相关文献,对该领域的研究进展进行综述。首先,简要介绍了两大广泛使用的肺 CT 影像数据库:肺部图像数据库联盟与图像数据库资源计划(LIDC-IDRI)和 2017 数据科学杯(Data Science Bowl 2017)。然后,对多种不同深度网络架构的肺结节检测与分类研究分别进行详细的介绍。最后,讨论了深度学习在结节检测和分类中面临的一些问题并给出结论,并对发展前景进行了展望,为今后该领域的应用研究提供参考。

引用本文: 王婧璇, 林岚, 赵思远, 邬雪涛, 吴水才. 基于深度学习的肺结节计算机断层扫描影像检测与分类的研究进展. 生物医学工程学杂志, 2019, 36(4): 670-676. doi: 10.7507/1001-5515.201806019 复制

  • 上一篇

    电子计算机断层扫描系统球管焦斑与扫描中心平面校准的设计及验证
  • 下一篇

    深度学习在医学图像配准上的研究进展与挑战