典型文献
医学图像图深度学习分割算法综述
文献摘要：
精准分割医学图像中的器官或病灶,是医学图像智能分析领域的重要难题,其在临床上对于疾病的辅助诊疗有着重要应用价值.在解决医学图像信息表征及对非欧空间生理组织结构准确建模等挑战性问题方面,基于图深度学习的医学图像分割技术取得了重要突破,展现出显著的信息特征提取及表征优势,可获得更为精准的分割结果,已成为该领域新兴研究热点.为更好促进医学图像图深度学习分割算法的研究发展,对该领域的技术进展及应用现状做了系统的梳理总结.介绍了图的定义及图卷积网络的基本结构,详细阐述了谱图卷积和空域图卷积操作.根据GCN结合残差模块、注意力机制模块及学习模块三种技术结构模式,归纳并总结了其在医学图像分割中的研究进展.对图深度学习算法在医学图像分割领域的应用和发展做了概要总结和展望,为该领域的技术发展提供参考和新的研究思路.
文献关键词：
图深度学习;图神经网络;图卷积网络;医学图像分割
中图分类号：
作者姓名：
王国力;孙宇;魏本征
作者机构：
山东中医药大学 医学人工智能研究中心,山东 青岛 266112;山东中医药大学 青岛中医药科学院,山东 青岛 266112
文献出处：
引用格式：
[1]王国力;孙宇;魏本征-.医学图像图深度学习分割算法综述)[J].计算机工程与应用,2022(12):37-50
A类：
B类：
图深度学习,分割算法,图像智能分析,辅助诊疗,重要应用,图像信息,信息表征,挑战性问题,医学图像分割,信息特征,研究发展,技术进展,图卷积网络,基本结构,谱图,空域,卷积操作,GCN,残差模块,注意力机制模块,学习模块,技术结构,结构模式,深度学习算法,应用和发展,概要,图神经网络
AB值：
0.314852
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。
