计算机应用

作者：窦猛, 陈哲彬, 王辛, 周继陶, 姚宇

单位：1.中国科学院 成都计算机应用研究所, 成都 610213；2.中国科学院大学 计算机科学与技术学院, 北京 100049；3.四川大学华西医院 腹部肿瘤科, 成都 610041

关键词：深度学习,多模态,医学图像,图像融合,图像分割

基金：国家自然科学基金资助项目(82073338);四川省科技计划项目重点研发项目(2022YFS0217)

多模态医学图像可以为临床医生提供靶区（如肿瘤、器官或组织）的丰富信息。然而，由于多模态图像之间相互独立且仅有互补性，如何有效融合多模态图像并进行分割仍是亟待解决的问题。传统的图像融合方法难以有效解决此问题，因此基于深度学习的多模态医学图像分割算法得到了广泛的研究。从原理、技术、问题及展望等方面对基于深度学习的多模态医学图像分割任务进行了综述。首先，介绍了深度学习与多模态医学图像分割的一般理论，包括深度学习与卷积神经网络（CNN）的基本原理与发展历程，以及多模态医学图像分割任务的重要性；其次，介绍了多模态医学图像分割的关键概念，包括数据维度、预处理、数据增强、损失函数以及后处理等；接着，对基于不同融合策略的多模态分割网络进行综述，对不同方式的融合策略进行分析；最后，对医学图像分割过程中常见的几个问题进行探讨，并对今后研究作了总结与展望。

来源：2023年第11期

《计算机应用》期刊编辑部

查看计算机应用杂志2023年第11期