-
题名医学影像多血管和气道分割方法综述
- 1
-
-
作者
楼陆飞
应俊杰
蔡凯俊
辛宇
-
机构
宁波大学信息科学与工程学院
浙江省移动网应用技术重点实验室
-
出处
《中国图象图形学报》
CSCD
北大核心
2024年第9期2692-2715,共24页
-
基金
浙江省自然科学基金项目(LY22F020001)
宁波市“泛3315”计划项目(2019B-18-G)。
-
文摘
医学影像分析中,血管和气道分割是备受关注的研究。通过对血管和气道异常的评估,例如动脉壁增厚和硬化、脑血管破裂导致的出血以及肺部或气道内的肿瘤等,可以实现此类疾病的早期诊断和临床治疗指导。随着医学成像技术的发展,影像分割技术在评估和诊断这些结构异常方面变得越来越重要。然而,由于其复杂的结构和病理变化,血管和气道的准确分割仍然是一项具有挑战性的任务。许多研究都集中在特定类型的血管或气道分割上,对多种类型的血管和气道分割方法的综合回顾相对缺乏。对各类血管和气道的综合回顾可以为医学专家和研究人员提供更全面的临床参考价值。此外,不同类型的血管和气道具有形态上的相似性,一些算法和技术可以同时应用于它们的分割中,综合回顾也增强了讨论的广泛性。因此,本文对近20年来具有代表性的视网膜血管分割、脑血管分割、冠状动脉分割和气道分割4类研究工作进行了归纳,分别从传统方法、机器学习方法和深度学习方法3个方面对每类研究进行综述,同时总结了各种方法的优缺点,为后续研究提供了理论参考。此外,本文还介绍了适用于医学影像血管和气道分割的损失函数、评价指标,并收集了目前公开的各类血管和气道分割数据集。最后,本文讨论了目前医学影像血管和气道分割方法的局限性以及未来研究的方向。
-
关键词
深度学习
医学影像分割
视网膜血管分割
脑血管分割
冠状动脉分割
气道分割
图像处理
-
Keywords
deep learning
medical image segmentation
retinal vessel segmentation
cerebrovascular segmentation
coro⁃nary artery segmentation
airway segmentation
image processing
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
