• 1. 四川大學 生物醫學工程學院 生物醫學工程系(成都 610041);
  • 2. 四川大學華西醫院 深地醫學研究中心(成都 610041);
  • 3. 四川大學華西第四醫院 放射科(成都 610041);
導出 下載 收藏 掃碼 引用

塵肺病在我國每年報告的新發職業病中居首位,影像學診斷目前仍是其主要的臨床診斷方法之一。然而,人工閱片對醫生水平要求較高,塵肺影像學分期診斷的判別難度大,而且由于醫療資源分布不均衡等因素的影響,很容易導致基層醫療機構出現誤診和漏診。計算機輔助診斷系統可以實現塵肺病的快速篩查,以便輔助臨床醫生進行鑒別和診斷,提高診斷效能。作為深度學習的重要分支,卷積神經網絡因具有局部關聯、權值共享的特點,擅長處理圖像分割、圖像分類、目標檢測等各種視覺任務,近年來已在塵肺病計算機輔助診斷領域得到廣泛應用。本文就卷積神經網絡(VGG、U-Net、ResNet、DenseNet、CheXNet、Inception-V3和ShuffleNet)在塵肺病影像學篩查診斷、分期診斷和病灶分割等方面的應用進行文獻回顧,旨在總結卷積神經網絡的方法、優缺點及優化策略,為塵肺病影像學計算機輔助診斷的進一步研究提供參考。

引用本文: 王瑜, 吳江, 伍東升. 卷積神經網絡在職業性塵肺病影像學診斷中的應用研究進展. 生物醫學工程學雜志, 2024, 41(2): 413-420. doi: 10.7507/1001-5515.202309079 復制

版權信息: ?四川大學華西醫院華西期刊社《生物醫學工程學雜志》版權所有,未經授權不得轉載、改編

  • 上一篇

    醫用高分子微針在非透皮局部給藥中的研究進展