肝臟腫瘤嚴(yán)重危害著全人類的生命健康。近年來,隨著深度學(xué)習(xí)的快速發(fā)展,涌現(xiàn)了許多使用腹部計(jì)算機(jī)斷層掃描(computed tomography,CT)圖像進(jìn)行肝臟腫瘤分割的深度學(xué)習(xí)方法,這些方法的應(yīng)用對于臨床上實(shí)現(xiàn)肝臟腫瘤的計(jì)算機(jī)輔助診斷具有十分重要的意義。為此,本文對深度學(xué)習(xí)方法在肝臟腫瘤CT圖像分割中的應(yīng)用進(jìn)行了歸納,將各種卷積神經(jīng)網(wǎng)絡(luò)(convolutional neural networks,CNN)分為二維(two-dimensional,2D)、三維(three-dimensional,3D)和2.5維(2.5-dimensional,2.5D)卷積神經(jīng)網(wǎng)絡(luò)。此外,本文總結(jié)了各類網(wǎng)絡(luò)的優(yōu)缺點(diǎn)以及改進(jìn)方法,為深度學(xué)習(xí)在肝臟腫瘤分割中的應(yīng)用提供了有益參考。
|