典型文献
弱监督学习在医学图像分析中的研究
文献摘要：
临床中的医学图像分析主要包括分割定位和分类诊断[1],是治疗过程中必不可少的任务之一,准确的分割和分类结果(风险器官、病灶等)被广泛用于诊断[2]、疾病分期[3]、术后评估[4]等关键工作.然而,现有的医学图像标注信息主要依靠专家手动完成,标注过程较为繁琐、耗时,容易出错且需要专业知识的支撑[5].因此,基于人工智能(artificial intelligence,AI)技术开发医学图像自动分析算法是临床的迫切需求之一,在已公开的文献中,针对CT图像、MRI图像的算法已经实现,无论是结果的准确性还是对目标区域的敏感性,均可证明AI技术拥有巨大的潜力.然而,医学图像数据规模小、缺乏像素级标记等也是开发自动算法亟需解决的问题[6].
文献关键词：
中图分类号：
作者姓名：
曹云堡;郭莉;张虎;罗中华
作者机构：
空军军医大学唐都医院全科医学科,陕西 西安 710038;空军第九八六医院门诊部,陕西 西安 710018
文献出处：
引用格式：
[1]曹云堡;郭莉;张虎;罗中华-.弱监督学习在医学图像分析中的研究)[J].实用放射学杂志,2022(09):1552-1553
A类：
自动分析算法
B类：
弱监督学习,医学图像分析,分类诊断,治疗过程,疾病分期,术后评估,图像标注,标注信息,出错,artificial,intelligence,技术开发,目标区域,医学图像数据,像素级,发自
AB值：
0.322307
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
