深度学习在医学影像分析中的应用综述

作     者：俞益洲 马杰超 石德君 周振 Yu Yizhou;Ma Jiechao;Shi Dejun;Zhou Zhen

作者机构：深睿医疗人工智能研究院北京100080 

出 版 物：《数据与计算发展前沿》 (Frontiers of Data & Computing)

年 卷 期：2019年第1卷第2期

页      面：37-52页

学科分类：0831[工学-生物医学工程（可授工学、理学、医学学位）] 100207[医学-影像医学与核医学] 12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 1002[医学-临床医学] 081104[工学-模式识别与智能系统] 08[工学] 1010[医学-医学技术（可授医学、理学学位）] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 10[医学] 

基　　金：国家自然科学基金面上项目“基于预后的肺亚实性结节AI辅助影像决策系统的建立”(81971616) 国家自然科学基金青年项目“基于CT影像组学预测转移性膀胱癌PD-1/PD-L1抑制剂治疗疗效的研究”(81901742) 上海市卫生系统先进适宜技术推广项目“智能云平台在三级医疗体系中的推广应用”(2019SY063) 

主　　题：深度学习 医学影像 综述 

摘      要：【目标】综述近年来深度学习(Deep Learning,DL)在医学影像分析领域的研究和应用进展。【文献范围】采用关键词检索和引文二次检索的方法初步收集相关论文。【方法】首先简要介绍基于卷积神经网络的DL模型,然后按病症介绍近年来DL在医学影像辅助诊断中的表现,病症包括脑卒中、肺结节、骨龄测量等。【结果】DL在多种疾病的影像辅助诊断中展现出优势,包括精度高、速度快、结果稳定、可规模化等。同时,很多问题阻碍了DL从实验走向临床,如依赖大量数据、标注标准不统一、模型泛化能力欠佳、可解释性不足等。【局限】检索文献仅覆盖最近几年的工作,对于更久之前的可能存在遗漏。【结论】深度学习可提高放射医师解读影像的效率和精度,但DL还不完美,在广泛渗透医学影像解读之前,还需要经历长时间的研究和验证。