机构名称：
¥ 1.0
高度准确的肿瘤分割和分类对于适当治疗脑肿瘤至关重要。脑肿瘤分割 (BTS) 方法可分为手动、半自动和全自动。深度学习 (DL) 方法已广泛应用于治疗、治疗计划和诊断评估中的肿瘤自动分割。它主要基于 U-Net 模型，该模型最近在多模态 BTS 中取得了最先进的性能。本文展示了使用 U-Net 模型进行 BTS 的文献综述。此外，它代表了一种设计用于分割脑肿瘤的新型 U-Net 模型的常用方法。本文介绍了这种 DL 方法的步骤以获得所需的模型。它们包括收集数据集、预处理、增强图像（可选）、设计/选择模型架构以及应用迁移学习（可选）。模型架构和性能准确性是用于审查文献的两个最重要的指标。这篇综述得出结论，模型精度与其架构复杂性成正比，未来的挑战是以低复杂性架构获得更高的精度。本文还介绍了挑战、替代方案和未来趋势。
对深度学习模型（U-Net 架构）的回顾......
主要关键词
相关文件推荐
