您的账号已在其他设备登录,您当前账号已强迫下线,
如非您本人操作,建议您在会员中心进行密码修改

确定
收藏 | 浏览63 | 下载75

介绍了MRI图像脑肿瘤分割的意义与困难,阐述了机器学习在非侵入性鉴别脑肿瘤中的优势,分析了模糊C聚类、支持向量机、随机森林3种具有代表性的传统机器学习方法以及新兴的深度学习方法在MRI图像脑肿瘤分割中的应用及研究进展,并比较了这4种方法各自的优势、缺点和适用情况.指出了未来应用传统机器学习和深度学习方法进行脑肿瘤识别与分割应向更加多模态、高自动度、低复杂度、高鲁棒性和自适应性以及深度挖掘图像信息的方向发展.

作者:包星星;赵璨;饶家声

来源:医疗卫生装备 2019 年 40卷 11期

知识库介绍

临床诊疗知识库该平台旨在解决临床医护人员在学习、工作中对医学信息的需求,方便快速、便捷的获取实用的医学信息,辅助临床决策参考。该库包含疾病、药品、检查、指南规范、病例文献及循证文献等多种丰富权威的临床资源。

详细介绍
热门关注
免责声明:本知识库提供的有关内容等信息仅供学习参考,不代替医生的诊断和医嘱。

收藏
| 浏览:63 | 下载:75
作者:
包星星;赵璨;饶家声
来源:
医疗卫生装备 2019 年 40卷 11期
标签:
脑肿瘤分割 磁共振成像 传统机器学习 深度学习
介绍了MRI图像脑肿瘤分割的意义与困难,阐述了机器学习在非侵入性鉴别脑肿瘤中的优势,分析了模糊C聚类、支持向量机、随机森林3种具有代表性的传统机器学习方法以及新兴的深度学习方法在MRI图像脑肿瘤分割中的应用及研究进展,并比较了这4种方法各自的优势、缺点和适用情况.指出了未来应用传统机器学习和深度学习方法进行脑肿瘤识别与分割应向更加多模态、高自动度、低复杂度、高鲁棒性和自适应性以及深度挖掘图像信息的方向发展.