| 医学图像分割的研究进展 |
| |
| 作者姓名： | 黄仟甲1 张恒2 3 4 5 李奇轩1 曹德政2 3 4 5 焦竹青1 倪昕晔2 3 4 5 |
| |
| 作者单位： | 1.常州大学计算机与人工智能学院, 江苏 常州 213164; 2.南京医科大学附属常州第二人民医院放疗科, 江苏 常州 213003; 3.江苏省医学物理工程研究中心, 江苏 常州 213003; 4.南京医科大学医学物理研究中心, 江苏 常州 213003; 5.常州市医学物理重点实验室, 江苏 常州 213003 |
| |
| 摘 要： | 医学图像是医生对患者进行病情诊断和治疗规划的有力工具。现今对于医学图像的分割不再局限于手工分割方法,通过传统方法与深度学习方法来实现医学图像分割已经取得更好、更准确的结果。本文基于近年来一些较为出众的医学图像创新分割方法进行综述,通过阐述深度学习方法如SAM、SegNet、Mask R-CNN和U-NET以及传统方法如活动轮廓模型、阈值分割模型创新等,对比各种图像分割方法的异同点,对医学图像分割方法做出总结与展望。以此来帮助学者们更好地了解目前的研究进展与未来的发展趋势。
|
| 关 键 词： | 医学图像分割 深度学习 阈值分割 神经网络 任意分割模型 综述 |
|
| 点击此处可从《中国医学物理学杂志》浏览原始摘要信息 |
|
点击此处可从《中国医学物理学杂志》下载免费的PDF全文 |
|
