指出了深度學習方法在醫(yī)學圖像分割中取得較大的進展,但醫(yī)學圖像處理的復雜性使得全自動分割方法難以取得較好的分割效果。在卷積網絡分割的基礎上,結合應用場景使用適當?shù)暮筇幚硎侄蝸硖嵘龍D像的分割效果是一種比較有臨床意義的研究方法。主要研究了基于概率圖的全連接條件隨機場模型和基于用戶交互的深度編輯網絡,并分析總結了這兩種方法的實現(xiàn)原理和各自優(yōu)勢,并對未來的研究工作進行了一些展望。 

【文章來源】：綠色科技. 2020,(04)

【文章頁數(shù)】：2 頁

【文章目錄】：
1引言
2 基于全連接條件隨機場的方法
    2.1 傳統(tǒng)short-range CRFs
    2.2 全連接CRFs
    2.3 模型的學習和推理
3 基于交互式深度編輯框架的方法
    3.1 方法概述
    3.2 交互設計
        3.2.1 選擇工具
        3.2.2 刷子工具
        3.2.3 調整工具
    3.3 其他細節(jié)
4 結語


【參考文獻】：
期刊論文
[1]基于深度學習的肺結節(jié)識別[J]. 高智勇,萬昕.  中南民族大學學報(自然科學版). 2019(03)



本文編號：3215031