杨丽洋，文 戈

南方医科大学南方医院影像中心，广东 广州 510515

当前，医学应用的成像技术主要包括X射线成像、CT、MRI、正电子发射断层扫描和超声等［1］。随着科学技术的发展和医学影像设备的发展，手动进行数据解释和分析已逐渐成为一项具有挑战性的任务［2］。医学图像的诊断和分析依赖于医生的专业知识和经验，疲劳和情绪状态对其影响很大［3］，这可能导致同一位放射科医生在不同时间，或检查同一图像的不同放射科医生之间的结果不一致。

深度学习和机器学习作为人工智能的重要分支，在医学影像学方面有着广泛的应用。机器学习是将算法应用于一组数据，从该数据中学习知识并应用所学的知识可以做出预测［4］，其数据特征在机器学习中是手动提取的，而在深度学习中数据特征的提取是一个完全自动化的过程［2］。深度学习是通过多层非线性神经网络层将数据的低级别特征进行组合并转换成高级别、复杂的抽象特征，以完成复杂任务的学习［5］。应用深度学习方法，可以从海量医学影像数据中自动提取抽象特征，既消除了主观因素的影响，又能提取到更高级的抽象特征［6］，有助于协助医生对疾病做出精确诊断。

1 模型介绍

深度学习与机器学习一样，可分为两种：监督学习与无监督学习。监督学习需要通过有标注的数据进行训练得到模型，即先输入计算机一些问题的正确答案，然后在此基础上判断和分析新案例［7］，监督学习在医学影像处理中的常见模型有卷积神经网络（CNN）和循环神经网络（RNN）。……