计算机工程

作者：姜百浩, 刘静, 仇大伟, 姜良

单位：山东中医药大学智能与信息工程学院, 山东 济南 250355

关键词：深度学习,卷积神经网络,U型网络,脊柱疾病,图像分割

基金：国家自然科学基金面上项目(82174528); 国家自然科学基金面上项目(81973981); 山东中医药大学青年科研创新团队项目(校字[2020]54号); 山东省专业学位研究生教学案例库建设项目(SDYAL21054); 山东省本科教学改革研究项目(M2020207)

深度学习算法在脊柱图像分割中具有学习和自适应能力强、对图像有非线性映射能力等优点，相较于传统分割方法，能更好地提取脊柱图像中的关键信息，并且抑制不相关信息，辅助医生准确定位病灶区域，实现精准、高效分割。从深度学习算法、脊柱疾病类型、图像类型、实验分割结果、性能评估指标等方面，对深度学习在脊柱图像分割中的应用现状进行归纳、总结并加以分析。介绍深度学习模型和脊柱图像分割的背景，从而引出深度学习在脊柱图像分割中的应用；介绍常见的几种脊柱疾病类型，阐述其在图像分割中的难点，并介绍脊柱图像分割中常用的公开数据集、图像分割的方法流程以及图像分割评价指标等要素；结合具体实验总结分析基于卷积神经网络模型、U型网络模型及其改进的模型在椎骨、椎间盘以及脊柱肿瘤图像分割中的应用进展；结合以往的实验结果和当前深度学习模型的研究进展，总结目前临床研究的局限性以及分割效果不足的原因，针对所存在的问题提出相应的解决方法，并对未来的研究和发展进行展望。

来源：2024年第3期

《计算机工程》期刊编辑部

查看计算机工程杂志2024年第3期