机构名称：
¥ 3.0
摘要：深度学习取得了显着的进步，尤其是在神经影像分析中。深度学习应用程序也已从成人扩展到儿科医学图像，因此，本文旨在对这项最近的研究进行系统评价。我们首先介绍了神经影像学中常用的深度学习方法和体系结构，例如卷积神经网络，自动编码器和生成的对抗性网络。包括常用的公开可用的儿科神经影像学数据集和存储库的非详尽清单，随后对过去五年来基于儿科MRI的最新深度学习研究进行了分类综述。这些作品被分类为识别神经发育障碍，鉴定大脑和组织结构，估计大脑年龄/成熟度，预测神经发育结果，并优化MRI脑成像和分析。最后，我们还讨论了对小儿神经影像学深度学习的这些应用的最新成就和挑战。
深度学习在儿科成像中的应用：成就和挑战
主要关键词
相关文件推荐
