卷积神经网络及其在医学图像分析中的应用研究

卷积神经网络(CNN)是机器学习研究中的热点,在医学图像应用中具有一定价值。本文首先介绍了CNN基本原理,其次综述了其在网络结构的改进:在模型结构方面,总结了CNN的11种经典模型,并以时间顺序梳理发展进程;在结构优化方面,从CNN的5个方面(输入层、卷积层、下采样层、全连接层以及整个网络)总结研究进展。然后,对学习算法从优化和融合两个方面进行归纳:优化算法方面,根据优化目的(提高准确率、防止过拟合、防止局部最值、提高收敛速度)梳理算法的进展;方法融合方面,分别从输入层、卷积层、下采样层、全连接层和输出层共5个角度进行归纳。最后,将CNN映射到医学图像领域,结合计算机辅助诊断探讨CNN在医学图像中的应用。本文对CNN进行了较为全面系统地总结,对CNN的研究发展具有积极意义。