典型文献
深度学习在血管内光学相干层析成像中的应用现状
文献摘要：
血管内光学相干层析成像(IVOCT)是目前分辨率最高的血管内成像技术,可以清晰地显示管腔的几何形态及具有近显微特征的血管壁结构.在临床常规应用中,对每段血管会获得数百或上千帧B扫描图像,而人工分析图像耗时费力,结果还可能受到临床医生专业能力的影响.近年来,深度学习技术在医学影像领域不断取得重大突破,也被应用于IVOCT图像的自动分析和处理中.对深度学习在IVOCT研究中的应用现状进行了归纳和总结,主要包括图像分割、组织标定、斑块分类和目标检测,分析了目前存在的问题,并展望了未来可能的发展方向.
文献关键词：
血管内光学相干层析成像;深度学习;卷积神经网络;图像分割;组织标定;斑块分类;目标检测
中图分类号：
作者姓名：
孙正;王树雁
作者机构：
华北电力大学电子与通信工程系,河北保定071003;华北电力大学河北省电力物联网技术重点实验室,河北保定071003
文献出处：
引用格式：
[1]孙正;王树雁-.深度学习在血管内光学相干层析成像中的应用现状)[J].激光与光电子学进展,2022(22):31-42
A类：
血管内光学相干层析成像,组织标定,斑块分类
B类：
IVOCT,显示管,管腔,几何形态,显微特征,血管壁,每段,得数,数百,上千,扫描图像,工分,析图,费力,临床医生,深度学习技术,医学影像,重大突破,自动分析,归纳和总结,图像分割,目标检测,未来可能
AB值：
0.247198
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。
