典型文献
ResNet及其在医学图像处理领域的应用:研究进展与挑战
文献摘要：
残差神经网络(ResNet)是深度学习领域的研究热点,广泛应用于医学图像处理领域.该文对残差神经网络从以下几个方面进行综述:首先,阐述残差神经网络的基本原理和模型结构;然后,从残差单元、残差连接和网络整体结构3方面总结了残差神经网络的改进机制;其次,从与DenseNet,U-Net,Inception结构和注意力机制结合4方面探讨残差神经网络在医学图像处理领域中的广泛应用;最后,讨论ResNet在医学图像处理领域中面临的主要挑战,并对未来的发展方向进行展望.该文系统梳理了残差神经网络的最新研究进展,以及在医学图像处理中的应用,对残差神经网络的研究具有重要的参考价值.
文献关键词：
残差神经网络;医学图像;残差单元;残差连接;激活函数
中图分类号：
作者姓名：
周涛;刘赟璨;陆惠玲;叶鑫宇;常晓玉
作者机构：
北方民族大学计算机科学与工程学院 银川 750021;北方民族大学图像图形智能处理国家民委重点实验室 银川 750021;宁夏医科大学理学院 银川 750004
文献出处：
引用格式：
[1]周涛;刘赟璨;陆惠玲;叶鑫宇;常晓玉-.ResNet及其在医学图像处理领域的应用:研究进展与挑战)[J].电子与信息学报,2022(01):149-167
A类：
B类：
ResNet,医学图像处理,进展与挑战,残差神经网络,学习领域,模型结构,残差单元,残差连接,整体结构,DenseNet,Inception,注意力机制,主要挑战,最新研究进展,激活函数
AB值：
0.223302
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。
