深度学习在脊椎图像分割中的研究进展

摘要：

影像学检查是临床诊断和治疗脊椎疾病的重要依据,脊椎的结构复杂,周围布满肌肉、血管和神经组织,且由于病理变化容易导致脊椎形状发生改变,对脊椎图像的精确分割能够辅助医生精准定位病灶,高效评估病变,引导手术治疗等.近年来,深度学习凭借其强大的特征学习能力在脊椎分割领域得到广泛的应用.为研究深度学习在脊椎图像分割任务中的研究现状和发展,对深度学习的经典框架进行比较,将脊椎图像分割中常用的数据集与评价指标归纳介绍,总结CNN、FCN、U-Net和GAN不同网络模型在脊椎分割中应用的最新进展,对模型在脊椎分割上的特点进行分析,详细讨论了当前深度学习在脊椎分割中遇到的问题和挑战,并对今后的发展方向做出展望.

关键词：深度学习、神经网络、脊椎分割、图像分割

所属期刊栏目：59

分类号：TP183(自动化基础理论)

资助基金：国家自然科学基金;山东省自然科学基金;山东省研究生教育优质课程建设项目

在线出版日期：2023-09-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：49-58