王春杰，袁慧书

(北京大学第三医院放射科，北京 100191)

卷积神经网络(convolutional neural network, CNN)是人工智能(artificial intelligence, AI)的一个快速发展的子集，为放射学领域的最新技术之一，适用于解决图像识别和分类问题[1-2]，目前在分析某些医学图像方面已达到媲美放射科医师的水平[3]，如检出肺结节[4]、对胶质瘤进行级别分类[5]和诊断骨折[6]等，对放射学的未来发展产生了深远影响。本文就CNN在骨骼肌肉放射学中的研究进展进行综述。

1 CNN相关概念及发展

AI是计算机科学的子领域，是为计算机编程，便于其学习和执行复杂任务的学科。机器学习(machine learning, ML)是AI的一个子集，通过计算机模拟人类的学习过程，使计算机能够在数据中学习。传统ML算法虽可随着执行任务积累经验而逐步改善，但对于图像问题通常仍需人类专家手动进行特征选择，进而确定哪些图像特征更为重要。深度学习(deep learning, DL)是ML新发展的子集[7]，其最大优点在于计算机不再需要人类专家手动进行特征选择，算法本身可以确定最佳图像特征，进而回答针对图像的各种问题。

CNN是实现图像DL最常用的算法模型，由输入层、卷积层、池化层、全连接层及输出层组成[8]，经输入层输入数据，由卷积层和池化层对输入数据进行特征提取，全连接层将提取的特征进行组合分类，最后由输出层输出分类结果。

对CNN的研究可追溯至20世纪90年代。1989年LECUN在论述中首次使用“卷积”一词对算法结构进行解释，其构建的LeNet-5模型定义了CNN的基本结构，成功用于解决识别手写数字的问题。……