深度学习脑肿瘤MRI图像分类研究进展

摘要：

大数据环境下肿瘤病例为肿瘤的临床诊断提供了庞大的数据资源,同时人工智能技术的发展促进深度学习应用水平不断提升,推动肿瘤MRI图像的快速、精准分类进入深度学习时代.本文主要分为以下四个部分,第一部分针对目前主流的深度学习MRI图像分类模型:卷积神经网络、深度信念网络、深度残差网络、Vision Transformer展开综述.首先,阐述了各模型的历史沿袭、最初针对的问题及主要思想;其次,概括了模型的网络架构并探讨其在MRI图像分类上的最新应用;然后,分析了模型的特点、目前存在的局限及各自发展趋势.第二部分论述了一些影响分类性能的关键因素;第三部分提出了一些广泛使用的性能增强技术;文章最后讨论了深度学习分类MRI图像在临床实践中面临的主要限制,并对未来研究方向进行展望.本文的结果可为研究人员提供一个全面的比较,以及各种深度学习模型的有效性,有望促进脑肿瘤研究的进展.

关键词：深度学习、脑肿瘤、图像分类、磁共振成像、人工智能、神经网络

所属期刊栏目：14

分类号：R445.2;R739.41(诊断学)

资助基金：江苏省重点研发计划社会发展项目;江苏省卫健委面上项目

在线出版日期：2023-02-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：166-171,193