.png){kind=icon}
返回
Deep Learning Approach for Biomedical Image Classification
.png){kind=icon}
PRE
AI
DOI：10.1007/s10278-025-01590-8.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
生物医学图像分类对于提升诊断精确度和改善各医学领域的患者预后至关重要。近年来，深度学习方法的出现显著改变了该领域，通过促进图像分析和分类任务取得重大进展。本文全面概述了深度学习技术在生物医学图像分类中的应用，涵盖多种类型的医疗数据，包括来自乳腺X光检查、组织病理学和放射学等模态的医学图像。文章详细探讨了深度学习架构，包括卷积神经网络（CNNs）、循环神经网络（RNNs）以及生成对抗网络（GANs）等先进模型。此外，本文阐述了监督学习、无监督学习和强化学习方法的区别及其在生物医学成像背景下的各自作用。本研究系统考察了医疗保健领域应用的50种深度学习方法，阐明其在疾病检测、图像分割和分类等任务中的有效性。特别强调了基于公开可用数据集训练的模型，从而突显开放获取数据在推动人工智能驱动医疗保健创新方面的重要作用。此外，本综述强调了深度学习在生物医学图像分析领域的变革潜力，并概述了该快速发展的领域未来的研究方向。
Keyword:
Biomedical image
Deep learning
Transfer learning
Convolutional neural networks (CNNs)
Healthcare
期刊
J
IF:
0
论文数:
491
被引数:
0
机构
引用论文
A new deep convolutional neural network design with efficient learning capability: Application to CT image synthesis from MRI.png)
MEDICAL PHYSICS
OAAI
MEDICAL PHYSICSIF3.2
OAAI分享收藏Ensemble-based multi-tissue classification approach of colorectal cancer histology images using a novel hybrid deep learning framework基于混合深度学习框架的结直肠癌组织学图像集成多组织分类方法SCIENTIFIC REPORTSOAAI
SCIENTIFIC REPORTSIF3.9
OAAI分享收藏A deep learning model to classify neoplastic state and tissue origin from transcriptomic dataSCIENTIFIC REPORTSOAAI
SCIENTIFIC REPORTSIF3.9
OAAI分享收藏Hybrid Metaheuristics With Deep Learning-Based Fusion Model for Biomedical Image Analysis基于深度学习的混合元启发式生物医学图像分析融合模型IEEE ACCESS
OAAI
IEEE ACCESSIF3.6
OAAI分享收藏Automated detection of Alzheimer's disease: a multi-modal approach with 3D MRI and amyloid PET阿尔茨海默病的自动检测: 3D MRI和淀粉样蛋白PET的多模式方法SCIENTIFIC REPORTSOAAI
SCIENTIFIC REPORTSIF3.9
OAAI分享收藏
查看更多内容