隨著人工智能技術(shù)的發(fā)展與應(yīng)用和醫(yī)學(xué)圖像數(shù)據(jù)爆炸式增長,傳統(tǒng)依靠醫(yī)生對醫(yī)學(xué)圖像進(jìn)行人工分割診斷,不僅工作效率低下、工作量大,還容易產(chǎn)生誤診、漏診。機器學(xué)習(xí),尤其是深度學(xué)習(xí)在醫(yī)學(xué)圖像非結(jié)構(gòu)化大數(shù)據(jù)領(lǐng)域發(fā)揮著越來越重要的作用。為了進(jìn)一步了解機器學(xué)習(xí)在醫(yī)學(xué)圖像自動分割和識別診斷中的研究,本文對機器學(xué)習(xí)及其在醫(yī)學(xué)圖像分析領(lǐng)域的研究進(jìn)展進(jìn)行綜述,為機器學(xué)習(xí)方法解決醫(yī)學(xué)圖像非結(jié)構(gòu)化大數(shù)據(jù)提供方法學(xué)參考。

【文章頁數(shù)】：5 頁

【文章目錄】：
1 基于MRI醫(yī)學(xué)圖像非結(jié)構(gòu)大數(shù)據(jù)實現(xiàn)分割診斷的機器學(xué)習(xí)方法
2 基于CT圖像非結(jié)構(gòu)大數(shù)據(jù)實現(xiàn)分割診斷的機器學(xué)習(xí)方法
3 基于其他醫(yī)學(xué)圖像非結(jié)構(gòu)大數(shù)據(jù)實現(xiàn)分割診斷的機器學(xué)習(xí)方法
4 小結(jié)



本文編號：4056599