Author:
Теребецький Микита,Кузьомін Олександр
Abstract
Як нова біомедична технологія обробки зображень сегментація медичних зображень зробив великий внесок у стале медичне обслуговування. Зараз це стало важливим дослідницьким напрямом в області комп'ютерного зору. Зі стрімким розвитком глибокого навчання обробка медичних зображень на основі глибоких згорткових нейронних мереж стала центром дослідження. Ця стаття зосереджена на дослідженні сегментації медичних зображень на основі глибокого навчання. Спочатку вводяться основні ідеї та характеристики сегментації медичних зображень на основі глибокого навчання. Пояснюючи статус дослідження та підсумовуючи три основні методи сегментації медичного зображення та їхні власні обмеження, розширюється напрямок майбутнього розвитку. На основі обговорення різних патологічних тканин і органів узагальнено специфічність між ними та їх класичні алгоритми сегментації. Незважаючи на великі досягнення сегментації медичних зображень за останні роки, сегментація медичних зображень на основі глибокого навчання все ще стикається з труднощами в дослідженні. Наприклад, точність сегментації невисока, кількість медичних зображень у наборі даних невелика, а роздільна здатність низька. Неточні результати сегментації не можуть відповідати фактичним клінічним вимогам. З метою вирішення вищезазначених проблем надається всебічний огляд сучасних методів сегментації медичних зображень на основі глибокого навчання, щоб допомогти дослідникам вирішити існуючі проблеми.
Publisher
European Scientific Platform (Publications)
Subject
General Agricultural and Biological Sciences
Reference11 articles.
1. Hu, P.; Cao, Y.;Wang,W.;Wei, B. Computer Assisted Three-Dimensional Reconstruction for Laparoscopic Resection in Adult Teratoma. J. Med. Imaging Health Inform. 2019, 9, 956–961. [CrossRef]
2. Ma, Z.; Tavares, J.M.R.S.; Jorge, R.M.N. A review on the current segmentation algorithms for medical images. In Proceedings of the 1st International Conference on Imaging Theory and Applications, Lisbon, Portugal, 5–8 February 2009.
3. Ferreira, A.; Gentil, F.; Tavares, J.M.R.S. Segmentation algorithms for ear image data towards biomechanical studies. Comput. Methods Biomech. Biomed. Eng. 2014, 17, 888–904. [CrossRef]
4. Ma, Z.; Tavares, J.M.R.S.; Jorge, R.N.; Mascarenhas, T. A review of algorithms for medical image segmentation and their applications to the female pelvic cavity. Comput. Methods Biomech. Biomed. Eng. 2010, 13, 235–246. [CrossRef]
5. Xu, A.; Wang, L.; Feng, S.; Qu, Y. Threshold-based level set method of image segmentation. In Proceedings of the Third International Conference on Intelligent Networks and Intelligent Systems, Shenyang, China, 1–3 November 2010; pp. 703–706.