基于卷积神经网络的下咽癌医学影像分析综述

作     者：苗扬 张硕 陈俊 张溪微 安常明 黄泽浩 韩磊 冉东升 刘海滨 MIAO Yang;ZHANG Shuo;CHEN Jun;ZHANG Xiwei;AN Changming;HUANG Zehao;HAN Lei;RAN Dongsheng;LIU Haibin

作者机构：北京工业大学材料与制造学部北京100124 先进制造技术北京市重点实验室北京100124 首都医科大学附属北京儿童医院北京儿童外科工程技术研究中心工程与转化中心国家儿童健康中心北京100045 中国医学科学院北京协和医学院国家肿瘤中心国家肿瘤临床研究中心肿瘤医院头颈外科北京100021 北京邮电大学自动化学院北京100191 

出 版 物：《北京工业大学学报》 (Journal of Beijing University of Technology)

年 卷 期：2024年第50卷第7期

页      面：883-896页

核心收录：

学科分类：0710[理学-生物学] 07[理学] 09[农学] 

基　　金：国家自然科学基金资助项目(51975011,U1501253) 领军人才研究基金资助项目(048000514120530) 中央级公益性科研院所基本科研业务费资助项目(2019-RC-HL-004) 

主　　题：下咽癌 磁共振成像(MRI) 目标检测 语义分割 深度学习 检测病灶 

摘      要：相比于肺癌、肝癌等常见的癌症,下咽癌是一种罕见的疾病。由于下咽癌的磁共振影像往往亮度不均、模糊、噪声重,因此如何从这些磁共振图像中获取有用信息是一个难题,如何使用深度学习通过磁共振图像来检测下咽癌的病灶是一项重大挑战。首先,综述了下咽癌的磁共振图像特点及成因,概括了Faster-RCNN、RetinaNet、FCOS、Cascade-RCNN等常见目标检测网络的特点和应用领域,并且分析了目标检测网络应用在下咽癌病灶定位上所面临的挑战,介绍了行之有效的解决方法:可变形卷积和应用定制的锚框。然后,介绍了常见的语义分割网络,并分析了把这些语义分割网络应用在下咽癌病灶分割上所面临的挑战。最后,对上述提到的目标检测网络和语义分割网络进行了总结,并对未来下咽癌医学影像的目标检测和语义分割工作进行了展望。