首页>it > 正文

用于3D MRI和CT扫描的深度学习模型总结

2023-08-11 23:19:31    出处:DeepHub IMBA


(资料图片仅供参考)

医学成像数据与其他我们日常图像的最大区别之一是它们很多都是3D的,比如在处理DICOM系列数据时尤其如此。DICOM图像由很多的2D切片组成了一个扫描或身体的特定部分。

那么如何为这类数据构建深度学习解决方案呢?本文中将介绍6种神经网络架构,可以使用它们来训练3D医疗数据上的深度学习模型。

3 d U-Net

U-Net体系结构是一种强大的医学图像分割模型。3D U-Net将经典的U-Net模型扩展到3D分割。它由编码(下采样)路径和解码(上采样)路径组成。

编码路径捕获输入图像中的上下文,而解码路径允许精确定位。3D U-Net在处理体积图像的3D特性方面非常有效。

V-Net

V-Net架构是另一种用于体积图像分割的3D卷积神经网络。与U-Net类似,V-Net有一个编码器-解码器架构,但它使用全分辨率3D卷积,所以它比U-Net计算成本更高。

HighResNet

它使用一系列带有残差连接的3D卷积层。该模型是端到端训练的,可以一次处理整个3D图像。

EfficientNet3D

这是对EfficientNet架构的3D改进,它不像U-Net或V-Net那样常用于3D分割,但如果计算资源有限,它是可以考虑的,因为它在计算成本和性能之间的良好权衡。

Attention U-Net

这是U-Net的一种变体,它包含了一个注意力机制,允许网络将注意力集中在与手头任务更相关的图像的某些部分。

DeepMedic

这是一个使用双路径的3D CNN,一个是正常分辨率,另一个是下采样输入,这样可以结合局部和更大的上下文信息。

总结

本文中,我们介绍了医学成像行业在处理3D MRI和CT扫描时使用的一些深度学习模型。这些神经网络被设计用来接收3D数据作为输入,以学习DICOM系列身体特定部位的复杂性。

关键词:

消费
产业
8月11日 9:48分 仟源医药(300254)股价快速拉升 分时图快速拉升意味此时存在大单买入,在大单的推动下,股价快速地上涨
公安部:严打“AI换脸”诈骗 破案79起抓获515名嫌犯 【公安部:严打“AI换脸”诈骗破案79起抓获515名嫌犯】公安部8月10日在
深圳市局(公司)持之以恒抓好安全风险管控 近日,深圳市烟草专卖局(公司)召开2023年半年安全工作会议。会议强调
美股盘前必读:三大股指期货涨跌不一 瑞银涨超4% 【盘前表现】同花顺美股讯截至发稿,以蓝筹股为主的道指期货涨0 05%;
基金