Print

深度学习技术在细胞形态学图像处理中的研究进展

论文摘要

近年来,医学成像技术的飞速发展和普及应用使得医学图像分析进入了大数据时代,传统的利用医学成像设备进行筛查诊断的工作量巨大,并且由于患者的不断增多,往往伴随着患者病理学的个体差异、医生长时间辛苦的阅片工作和医生的主观评价等缺点,常会出现因假阳性率高而误诊的现象。深度学习技术在计算机视觉领域的巨大成功让医学图像实现计算机辅助筛查诊断成为可能。本文介绍了深度学习及其在细胞形态学图像处理领域的研究进展,总结了深度学习在细胞形态学图像分析中面临的挑战和可能的应对措施,并对应用前景进行了展望。

论文目录

  • 1 深度学习技术
  •   1.1 卷积神经网络
  •   1.2 图像分类（image classification）
  •   1.3 图像定位和分割（image detection and segmentation）
  • 2 医学图像处理研究现状分析
  •   2.1 图像分类与识别
  •   2.2 图像定位
  •   2.3 图像分割
  •   2.4 计算机辅助诊断
  • 3 深度学习在细胞形态学图像处理中的应用
  •   3.1 红细胞
  •   3.2 白细胞
  •     3.2.1 白细胞5分类
  •     3.2.2 粒细胞
  •     3.2.3 淋巴细胞
  •     3.2.4 浆细胞
  •   3.3 脑脊液
  •   3.4 白带中的白细胞
  •   3.5 尿沉渣
  •   3.6 粪便
  • 4 总结与展望
  •   4.1 面临的挑战
  •   4.2 可能的应对措施

    • 文章来源

    类型: 期刊论文

    作者: 赵天赐,王庚,连荷清,方喆君,王欣,陈倩,吴卫

    关键词: 深度学习,大数据,细胞形态,图像处理,计算机辅助检查

    来源: 临床检验杂志 2019年11期

    年度: 2019

    分类: 医药卫生科技,基础科学,信息科技

    专业: 生物学,生物医学工程,计算机软件及计算机应用,自动化技术

    单位: 中国医学科学院北京协和医院检验科

    基金: 中国医学科学院医学与健康科技创新工程项目(2018-I2M-AI-002)

    分类号: TP18;TP391.41;R318

    DOI: 10.13602/j.cnki.jcls.2019.11.12

    页码: 856-860

    总页数: 5

    文件大小: 1555K

    下载量: 363

    相关论文文献

    本文来源: https://www.lunwen66.cn/article/9051d7219e6a4341b1a7d8e1.html