您的账号已在其他设备登录,您当前账号已强迫下线,
如非您本人操作,建议您在会员中心进行密码修改

确定
收藏 | 浏览64 | 下载12

MRI是一种非侵入性多模态成像方法,广泛应用于脑肿瘤检测和诊断.多模态MRI脑肿瘤图像分割对脑肿瘤的诊断和治疗具有重要意义.目前大部分分割工作还是由医生手动完成,效率低且主观性强,因此寻求一种高效准确的脑肿瘤自动分割方法对临床应用至关重要.本文就基于多模态MRI图像的脑肿瘤分割的研究进展进行综述,对比分析了传统分割方法和基于深度学习的分割方法,并对现有的脑肿瘤图像分割方法存在的问题进行总结并做出展望,以便该领域的研究者更好地了解目前多模态MRI脑肿瘤图像分割方法的研究进展.

作者:孙康康;陈伟;李奇轩;孙佳伟;焦竹青;倪昕晔

来源:磁共振成像 2023 年 14卷 11期

知识库介绍

临床诊疗知识库该平台旨在解决临床医护人员在学习、工作中对医学信息的需求,方便快速、便捷的获取实用的医学信息,辅助临床决策参考。该库包含疾病、药品、检查、指南规范、病例文献及循证文献等多种丰富权威的临床资源。

详细介绍
热门关注
免责声明:本知识库提供的有关内容等信息仅供学习参考,不代替医生的诊断和医嘱。

收藏
| 浏览:64 | 下载:12
作者:
孙康康;陈伟;李奇轩;孙佳伟;焦竹青;倪昕晔
来源:
磁共振成像 2023 年 14卷 11期
标签:
磁共振成像 脑肿瘤 多模态 图像分割 深度学习 magnetic resonance imaging brain tumor multimodal image segmentation deep learning
MRI是一种非侵入性多模态成像方法,广泛应用于脑肿瘤检测和诊断.多模态MRI脑肿瘤图像分割对脑肿瘤的诊断和治疗具有重要意义.目前大部分分割工作还是由医生手动完成,效率低且主观性强,因此寻求一种高效准确的脑肿瘤自动分割方法对临床应用至关重要.本文就基于多模态MRI图像的脑肿瘤分割的研究进展进行综述,对比分析了传统分割方法和基于深度学习的分割方法,并对现有的脑肿瘤图像分割方法存在的问题进行总结并做出展望,以便该领域的研究者更好地了解目前多模态MRI脑肿瘤图像分割方法的研究进展.