%0 Journal Article
%T 卷积神经网络在医学图像分割中的研究进展
%A 张靖雯2
%A 徐航1
%A 李月如1
%A 赵彦富1
%A 随力1
%J 中国医学物理学杂志
%D 2019
%R DOI:10.3969/j.issn.1005-202X.2019.11.011
%X 卷积神经网络（CNN）是目前计算机视觉和模式识别中效果最为突出的算法。CNN拥有强大的空间识别能力，可以从图像中提取高阶的空间特征，同时通过共用卷积核的方式大幅减少参数量，从而在提升网络性能的同时保持总参数量在一个合理的、可运算的范畴。部分采用无监督学习的CNN算法可以在没有先验知识的条件下实现一定程度的图像语义分割，大幅减少人工读图的负担。本研究就CNN在医学图像分割中的研究进展和使用CNN时的具体技巧及其效果进行综述。以使用CNN为核心的深度学习工具解决医学图像分割的课题为中心，展示了CNN在有监督学习、半监督学习及无监督学习中的巨大潜力，分析比较了现有方案的优点与不足，探讨了未来CNN在医学图像领域的前进方向
%K 卷积神经网络
%K 医学图像
%K 图像分割
%K 深度学习
%K 综述
%U http://zgyxwlxzz.paperopen.com/oa/darticle.aspx?type=view&id=201810077