骨质疏松症是一种由于骨密度下降引起骨折危险性增加的全身性疾病,临床上以影像学检查作为诊断依据。近几年深度学习方法在骨骼医学图像处理领域取得突破性进展,针对骨质疏松辅助诊断中所采用的深度学习方法进行了梳理总结。介绍了常用的影像学数据集,系统阐述了卷积神经网络、循环神经网络、深度置信网络、生成对抗网络在骨质疏松分类中的应用,阐述了全卷积网络、U-Net在骨质疏松病灶区域分割中的应用,同时介绍了最新AI模型ChatGPT的潜在应用,比较不同模型的性能,指出该领域目前存在的难点并提出相应的展望。
姜良;张程;魏德健;曹慧;杜昱峥;
山东中医药大学智能与信息工程学院,济南250355
计算机与自动化
骨质疏松症;深度学习;计算机辅助诊断;卷积神经网络
《计算机工程与应用》 2024 (007)
P.26-40 / 15
国家自然科学基金(81973981,82074579);山东省自然科学基金(ZR2020MH360);山东省中医药科技项目(2020M006);山东省研究生教育优质课程建设项目(SDYKC21055)。
10.3778/j.issn.1002-8331.2305-0030
评论