• 1. 上海理工大学 医疗器械与食品学院(上海 200093);
  • 2. 上海健康医学院 上海市分子影像学重点实验室(上海 201318);
  • 3. 上海理工大学 光电信息与计算机工程学院(上海 200093);
导出 下载 收藏 扫码 引用

肺癌是死亡率最高的恶性肿瘤,肺结节早期确诊是降低肺癌死亡率的关键。计算机辅助诊断技术在肺结节早期确诊方面被认为具有超越人类专家的潜力。而基于深度学习技术的肺结节检测和分类可通过自我学习而不断提高诊断的准确率,是实现计算机辅助诊断的重要手段。本文首先系统阐述了二维卷积神经网络(2D-CNN)、三维卷积神经网络(3D-CNN)和更快速的区域卷积神经网络(Faster R-CNN)技术在肺结节检测方面的应用,然后阐述了 2D-CNN、3D-CNN、多流多尺度卷积神经网络(MMCNN)、深度卷积生成对抗网络(DCGAN)和迁移学习技术在肺结节分类中的应用,最后针对肺结节的检测与分类中不同的深度学习方法进行了综合比较分析。

引用本文: 赵清一, 孔平, 闵建中, 周艳丽, 梁壮壮, 陈胜, 李茂举. 肺结节检测与分类的深度学习方法综述. 生物医学工程学杂志, 2019, 36(6): 1060-1068. doi: 10.7507/1001-5515.201903027 复制

  • 上一篇

    促皮肤创面愈合新型敷料研究现状与进展
  • 下一篇

    基于神经网络芯片的阿尔茨海默病体外病理模型及其实时动态分析