医学分割论文:Deep Learning Based Brain Tumor Segmentation: a survey

本文由Zhihua Liu在2020年发表于University of Leicester,全面探讨了深度学习在脑肿瘤分割中的应用。文章讨论了脑肿瘤分割的挑战,如位置不确定性、形态变化和图像对比度低等问题,以及CNN、RNN和深度生成模型等方法。此外,还涵盖了数据预处理、后处理、增强策略和未来的研究趋势,如迁移学习和模型解释的重要性。
摘要由CSDN通过智能技术生成

医学分割论文:Deep Learning Based Brain Tumor Segmentation: a survey

Auther: Zhihua Liu, Institution:University of Leicester, Publish year: 2020
论文地址:https://arxiv.org/abs/2007.09479v2
综述类论文

背景

脑部肿瘤难以分割的原因:脑肿瘤可能出现在脑组织中的任何位置,其形状和大小均不确定;另一方面,脑肿瘤和正常组织之间存在相互浸润的边界,使得边界难以区分。而深度学习近年来在图像分割,图像分类领域获得长远的进步,促进了深度学习在医学图像分割领域的研究进展

挑战

  • 肿瘤位置不确定
  • 肿瘤形态不确定
  • 图像对比度低
  • 医生标注偏差
  • 图像类别不平衡
    在这里插入图片描述

Fig 1 脑部胶质瘤分割所面临的挑战

文章结构

  • 1
    点赞
  • 8
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值