[Research progress in medical imaging based on deep learning of neural network].

深度学习 计算机科学 人工神经网络 人工智能 分割 鉴定(生物学) 深层神经网络 机器学习 医学影像学 植物 生物
作者
Changqing Mu,G Li
出处
期刊:PubMed 卷期号:54 (7): 492-497 被引量:1
标识
DOI:10.3760/cma.j.issn.1002-0098.2019.07.011
摘要

The development of computer hardware allows rapid accumulation of medical imaging data. Deep learning has shown great potential in medical imaging data analysis and establish a new area of machine learning. The commonly used deep learning models were firstly introduced in the paper, and then, summarized with the application of deep learning in the detection, classification, diagnosis, segmentation, identification of medical imaging. The application of deep learning in oral and maxillofacial radiology and other discipline of stomatology was proposed. At the end, the paper discussed the problems of deep learning in medical imaging research.计算机硬件的发展让影像学数据得以迅速积累,深度学习作为机器学习的新兴内容,在影像学数据分析方面表现出较大潜力。本综述首先介绍了基于神经网络的深度学习发展及内容;然后分别从检测分类与诊断、图像分割、识别与标记等研究方向具体介绍深度学习研究进展及在口腔颌面医学影像中的应用;最后对深度学习在医学影像研究中存在的问题予以讨论。.
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
大幅提高文件上传限制,最高150M (2024-4-1)

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
2秒前
3秒前
Mathilda完成签到,获得积分10
4秒前
哈扎尔完成签到 ,获得积分10
5秒前
6秒前
Diudu完成签到,获得积分10
7秒前
tangtang发布了新的文献求助10
7秒前
7秒前
7秒前
Rita发布了新的文献求助10
7秒前
牙签撬地球完成签到,获得积分0
8秒前
8秒前
xiaofei发布了新的文献求助10
8秒前
共享精神应助zqy采纳,获得10
9秒前
10秒前
11秒前
bird完成签到,获得积分10
11秒前
flypipidan发布了新的文献求助10
11秒前
什么东西完成签到,获得积分10
11秒前
因你常乐发布了新的文献求助10
12秒前
14秒前
15秒前
16秒前
野猪亨利28完成签到,获得积分10
16秒前
狠毒的小龙虾完成签到,获得积分10
16秒前
从容的水壶完成签到,获得积分10
17秒前
19秒前
锦瑟幽梦完成签到,获得积分10
20秒前
xinxin完成签到,获得积分20
20秒前
20秒前
21秒前
21秒前
缓慢醉卉发布了新的文献求助10
21秒前
21秒前
lize5493发布了新的文献求助30
22秒前
爆米花应助迷人万仇采纳,获得10
22秒前
顺心的舞蹈完成签到,获得积分10
22秒前
张亚雪发布了新的文献求助10
23秒前
23秒前
solota发布了新的文献求助10
24秒前
高分求助中
Sustainability in Tides Chemistry 2000
Bayesian Models of Cognition:Reverse Engineering the Mind 800
Essentials of thematic analysis 700
A Dissection Guide & Atlas to the Rabbit 600
Very-high-order BVD Schemes Using β-variable THINC Method 568
Внешняя политика КНР: о сущности внешнеполитического курса современного китайского руководства 500
Revolution und Konterrevolution in China [by A. Losowsky] 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3124628
求助须知:如何正确求助?哪些是违规求助? 2774905
关于积分的说明 7724757
捐赠科研通 2430459
什么是DOI,文献DOI怎么找? 1291134
科研通“疑难数据库(出版商)”最低求助积分说明 622066
版权声明 600323