排序方式： 共有2条查询结果，搜索用时 15 毫秒
1
1.
近年来,医学成像技术的飞速发展和普及应用使得医学图像分析进入了大数据时代,传统的利用医学成像设备进行筛查诊断的工作量巨大,并且由于患者的不断增多,往往伴随着患者病理学的个体差异、医生长时间辛苦的阅片工作和医生的主观评价等缺点,常会出现因假阳性率高而误诊的现象。深度学习技术在计算机视觉领域的巨大成功让医学图像实现计算机辅助筛查诊断成为可能。本文介绍了深度学习及其在细胞形态学图像处理领域的研究进展,总结了深度学习在细胞形态学图像分析中面临的挑战和可能的应对措施,并对应用前景进行了展望。 相似文献
2.
摘要：近年来，医学成像技术的飞速发展和普及应用使得医学图像分析进入了大数据时代，传统的利用医学成像设备进行筛查诊断的工作量巨大，并且由于患者的不断增多，往往伴随着患者病理学的个体差异、医生长时间辛苦的阅片工作和医生的主观评价等缺点，常会出现因假阳性率高而误诊的现象。深度学习技术在计算机视觉领域的巨大成功让医学图像实现计算机辅助筛查诊断成为可能。本文介绍了深度学习及其在细胞形态学图像处理领域的研究进展，总结了深度学习在细胞形态学图像分析中面临的挑战和可能的应对措施，并对应用前景进行了展望。 相似文献
1