机构名称：
¥ 1.0
1. 概述 深度学习在医学成像中的应用越来越广泛，改进了处理链中的许多步骤，从采集到分割，从异常检测到结果预测。然而，仍然存在重大挑战：（1）基于图像的诊断取决于局部模式之间的空间关系，而卷积和池化通常无法充分捕捉这些关系；（2）数据增强是学习 3D 姿势不变性的实际方法，需要指数级增长的点数才能实现稳健的改进；（3）标记的医学图像比未标记的图像少得多，尤其是对于异质性病理病例；（4）磁共振成像 (MRI) 等扫描技术速度慢且成本高，通常没有在线学习能力来关注临床感兴趣的区域。为了应对这些挑战，需要新的算法和硬件方法，以使深度学习充分发挥其在医学成像中的潜力
利用表征学习进行深度医学图像分析和
主要关键词
相关文件推荐
