典型文献
基于深度学习的多模态融合技术在医学图像处理中的研究进展
文献摘要：
医学图像在疾病预防、治疗和管理等各个医学领域发挥着极其重要的作用[1].现代医学影像技术为临床诊断提供了 CT、MRI、功能磁共振成像(functional magnetic resonance imaging,fMRI)、正 电子发射计算机体层成像(positron emission tomography,PET)和单光子发射计算机体层成像(single photon emission computed tomography,SPECT)等不同模态的医学图像[2].单一模态的医学图像仅能捕获患者局部生理信息.例如,MRI呈现软组织结构信息,PET侧重展示脏器在功能和代谢方面的变化.综合利用多模态医学图像,充分挖掘图像各类信息,能够辅助医生全面深刻了解病患状况,已成为医学图像处理领域的重要研究问题[3].近年来,深度学习在医学领域得到广泛应用[4-6],基于深度学习的多模态融合技术也取得重要突破.该技术可将不同分布、不同来源、不同类型的医学图像整合至同一全局空间,提高模型预测的准确率与鲁棒性[7].本文讨论并总结基于深度学习的多模态融合技术的常见结构及其在医学图像处理任务中的应用,进一步分析该领域存在的挑战,并对多模态融合技术在医学图像处理领域的发展做出展望.
文献关键词：
中图分类号：
作者姓名：
刘亚茹;石浩;孙冠群;董静静;苏丹;陈杰
作者机构：
杭州医学院信息工程学院,浙江 杭州 311399;浙江省人民医院杭州医学院附属人民医院信息中心,浙江 杭州 310014
文献出处：
引用格式：
[1]刘亚茹;石浩;孙冠群;董静静;苏丹;陈杰-.基于深度学习的多模态融合技术在医学图像处理中的研究进展)[J].实用放射学杂志,2022(12):2077-2079
A类：
B类：
多模态融合,融合技术,医学图像处理,疾病预防,治疗和管理,医学领域,现代医学,医学影像技术,功能磁共振成像,functional,magnetic,resonance,imaging,fMRI,电子发射,positron,emission,tomography,PET,单光子发射计算机体层成像,single,photon,computed,SPECT,软组织结构,结构信息,脏器,代谢方,多模态医学图像,研究问题,不同分布,不同来源,常见结构,出展
AB值：
0.312949
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。
