Guest Editorial Deep Learning in Medical Imaging: Overview and Future Promise of an Exciting New Technique

卷积神经网络 医学影像学 抽象 机器学习 计算机科学 领域(数学) 深层神经网络 深度学习 原始数据 光学(聚焦) 人工神经网络 人工智能 模式识别(心理学) 认识论 光学 物理 哲学 程序设计语言 纯数学 数学
作者
Hayit Greenspan,Bram van Ginneken,Ronald M. Summers
出处
期刊:IEEE Transactions on Medical Imaging [Institute of Electrical and Electronics Engineers]
卷期号:35 (5): 1153-1159 被引量:1586
标识
DOI:10.1109/tmi.2016.2553401
摘要

The papers in this special section focus on the technology and applications supported by deep learning. Deep learning is a growing trend in general data analysis and has been termed one of the 10 breakthrough technologies of 2013. Deep learning is an improvement of artificial neural networks, consisting of more layers that permit higher levels of abstraction and improved predictions from data. To date, it is emerging as the leading machine-learning tool in the general imaging and computer vision domains. In particular, convolutional neural networks (CNNs) have proven to be powerful tools for a broad range of computer vision tasks. Deep CNNs automatically learn mid-level and high-level abstractions obtained from raw data (e.g., images). Recent results indicate that the generic descriptors extracted from CNNs are extremely effective in object recognition and localization in natural images. Medical image analysis groups across the world are quickly entering the field and applying CNNs and other deep learning methodologies to a wide variety of applications.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
PDF的下载单位、IP信息已删除 (2025-6-4)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
量子星尘发布了新的文献求助10
3秒前
江幻天完成签到,获得积分10
6秒前
韩钰小宝完成签到 ,获得积分10
17秒前
飞快的雅青完成签到 ,获得积分10
20秒前
量子星尘发布了新的文献求助10
21秒前
Kidmuse完成签到,获得积分10
25秒前
追寻的续完成签到 ,获得积分10
25秒前
25秒前
bckl888完成签到,获得积分10
26秒前
26秒前
bill完成签到,获得积分10
27秒前
明理问柳发布了新的文献求助10
31秒前
ky应助xiaoX12138采纳,获得10
32秒前
明理问柳完成签到,获得积分10
38秒前
坚强的嚣完成签到 ,获得积分10
38秒前
量子星尘发布了新的文献求助10
40秒前
gxzsdf完成签到 ,获得积分10
43秒前
我思故我在完成签到,获得积分10
45秒前
46秒前
阿帕奇完成签到 ,获得积分10
49秒前
Conner完成签到 ,获得积分10
50秒前
量子星尘发布了新的文献求助10
53秒前
zhang完成签到 ,获得积分10
54秒前
wol007完成签到 ,获得积分10
56秒前
123完成签到 ,获得积分10
57秒前
Justtry完成签到 ,获得积分20
57秒前
naiyouqiu1989完成签到,获得积分10
59秒前
沿途有你完成签到 ,获得积分10
59秒前
花生四烯酸完成签到 ,获得积分10
1分钟前
科科通通完成签到,获得积分10
1分钟前
WYK完成签到 ,获得积分10
1分钟前
1分钟前
学海行舟完成签到 ,获得积分10
1分钟前
黑眼圈完成签到 ,获得积分10
1分钟前
幸福的羿完成签到 ,获得积分10
1分钟前
量子星尘发布了新的文献求助10
1分钟前
霍明轩完成签到 ,获得积分10
1分钟前
游艺完成签到 ,获得积分10
1分钟前
量子星尘发布了新的文献求助10
1分钟前
是盐的学术号吖完成签到 ,获得积分10
1分钟前
高分求助中
(应助此贴封号)【重要!!请各用户(尤其是新用户)详细阅读】【科研通的精品贴汇总】 10000
网络安全 SEMI 标准 ( SEMI E187, SEMI E188 and SEMI E191.) 1000
Inherited Metabolic Disease in Adults: A Clinical Guide 500
计划经济时代的工厂管理与工人状况(1949-1966)——以郑州市国营工厂为例 500
INQUIRY-BASED PEDAGOGY TO SUPPORT STEM LEARNING AND 21ST CENTURY SKILLS: PREPARING NEW TEACHERS TO IMPLEMENT PROJECT AND PROBLEM-BASED LEARNING 500
The Pedagogical Leadership in the Early Years (PLEY) Quality Rating Scale 410
Why America Can't Retrench (And How it Might) 400
热门求助领域 (近24小时)
化学 材料科学 医学 生物 工程类 有机化学 生物化学 物理 纳米技术 计算机科学 内科学 化学工程 复合材料 物理化学 基因 催化作用 遗传学 冶金 电极 光电子学
热门帖子
关注 科研通微信公众号,转发送积分 4613016
求助须知:如何正确求助?哪些是违规求助? 4018011
关于积分的说明 12436990
捐赠科研通 3700338
什么是DOI,文献DOI怎么找? 2040716
邀请新用户注册赠送积分活动 1073470
科研通“疑难数据库(出版商)”最低求助积分说明 957104