【图像分割在医学影像中的应用研究国内外文献综述3300字】

1.1应用场景常使用深度学习。在医学领域有很多仪器设备涉及到各种各样的医学分割。如图1-2所示的目标区域，这一区域可能是单个闭合区域，可能是多个1.2难点介绍(1)将大脑区域与非大脑区域分离。脑部分割的第一个困难是将脑部区域与非脑部区域 (例如头骨)分开。脑部亮度是MRI图像分割中非常重要的功能。然而，由于MRI图像中对于MRI,扫描时间越长，分辨率越高。但是，实际上，成人脑MRI研究大约需要30分钟才能获得图像，这会影响空间分辨率。显然，扫描时间越长(空间分辨率越高),分割效果(3)基于独立像素/体积元素亮度分割所需特征)的亮度进行图像分割是可行的，但是此操作需要关注目标相对于背景的亮度有较大差标函数，性能良好，并且还可以平滑地处理医学图像因为FCN算法是在无视了空间纹理细节的状况下起作用的，仅仅是为了达到优化的目的只1.3难点解决思路要的。此时，提取的结果可以用mask表示，也可以生成只有脑组织的新图像，然后发送给本文所研究的基于医学图像分割的加权变分模型是为了处理的全世界每天都产生大量人人均医师占比差距过大等问题，本课题目标是提素刚好处在所需分割区域的边界上，那么这种相似就是有害的了。在医学领域是如此，任(2)在同一副图像中不同类别或实例的像素不均衡的问题。不同物体分割的难度也并不是这样训出来的模型，是建立在每个物体类别的像素数，以及每个物体的分割难度是差不多的假设下的。往往样本少的，结构复杂不好分割的类别(如(sofa,bike,chair)效果会比较差，而且整体的结果的方差还是相对比较大的。(3)如何对遮挡区域进行建模。对于人类来说能够很好的处理遮挡问题，因为人类大脑事先知道每一类事物的大致结构，能够想象出被遮挡的物体的大概区域在哪里。那么怎么让网络模型也具有这样的能力呢?是否需要对被遮挡的区域进行单独的通道进行建模?或者直接对图像进行分层解析，即是把一张图像看成有多张包含不同语义(实例)图像的组合，这些都是未可知的问题。(4)CNNlii的分割网络耗显存的问题。通常在12GGPU上训练ResNet101分类模型，可以将batch_size设置为大约32,但是如果训练基于Resnet101的网络框架分段模型，则batch_size只能下降到大约4甚至下降到1。这是因为模型的收敛速度非常慢。具有较大数据集的卡(例如Coco)不会运行一两周。并非每个应用场景硬件设备都具有如此大的视频内存，也不是每个研究小组都具有用于训练模型的服务器集群。根本原因在于，分割不仅需要诸如分类之类的高级语言信息，而且还需要高分辨率的特征图来恢复图像的详细特征。但是，高语义通常需要更多的通道来表示，这导致高语义和特征图的高分辨率是无法组合的两件事。但是真的是这样吗?这样的结论基于FCN或EncoderDecoder的现有分段网络架构。这些结构的模型通常在末尾的特征图中(映射到类别热量图中的特征图)具有更高的分辨率和更多的通道数。(5)如何简单有效区分同一类物体的不同实例。以及如何简单有效区分统一类物体的不同实例依然是一个开放的问题。multi-streamfeatures[J].Knowledge-B[2]左艳，黄钢，聂生东.深度学习在医学影像智能处理中的应用与挑战[J].中国图象图形学[4]殷晓航，王永才，李德英.基于U-Net结构改进的医学影像分割技术综述[J].软件学[6]梁文宇，龚涛，吴宇翔.改进的遗传算法在医学图像中的应用[J].传感器与微系[8]LuXQ,WuJS,RenXY,etal.Thes2014,125(9):2142-2147.[9]RonnebergerO,FischerP,BroxT.U-Net:convolutisegmentation[C]//ProceedingsoftheComputingandComputer-AssistedIntervention.Cham:Springer,2[12]汤旻安，王晨雨.基于改进Canny算法与Hough变换的轨道图像边缘提取[J/OL].铁道标准设2021(03):17-19+22.[16]李佳宇，陈利霞.基于局部和全局活动轮廓的医学图像分割模型[J].桂林电子科技大学学[17]M.KasslA.Witkin,D.Terzopoulos,Snakes:activecontourmodels1(1988)321-331.[18]J.Zhang,K.Chen1B.Yu,D.A.GouldlAlocaliimagesegmentation,InverseProb.Imaging8(2014)[19]S.Osher,JASethian,FrontspropagatingHamilton-Jacobiformulations,J.Comput.Phys.79(1988)12-49.ClassificationandIdentification,London,UK,2015[C].[21]LA.Vese,T.EChan,AmultiphaseMumfordandShahmodel,Int.J.Comput.Vis.50(2002)271-293.[22]J.Lie,M.LysakertX.-C.Tai,Avariantofsegmentation