王立鹏，陈晓，纪哲，陆建平

人工智能是研究、开发用于模拟和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学，其领域包括机器人、语言识别、图像识别、自然语言处理和专家系统等[1]。近年来，人工智能技术发展迅速并不断应用于各个领域。在医学中，医学影像与人工智能的结合被认为是最具发展前景的方向之一[2-3]。

医学影像自动化处理发展历史

从可以在计算机上浏览和读取医学图像开始，研究人员便致力于研发能够自动分析和解读图像的技术。起初，在1970-1990年，研究者采用低级别的像素处理技术和数学模型来构建基于复合规则的图像处理系统，这一时期的图像的自动处理旨在通过多种固定规则的组合来完成图像分析[4]。20世纪末，基于传统机器学习方法的图像处理在医学影像分析中开始流行，主要包括k-平均算法(k-means)、K最近邻法(k-nearest neighbors,k-NN)、贝叶斯分类(Bayes classification)、决策树(decision tree)、支持向量机(support vector machine,SVM)等。至此，借助机器学习的方法可以实现医学图像特征向量提取及自动化对比判定。然而，图像特征的定义及抽象分析仍然需要依靠人工来完成，无法实现图像分析的全线程自动化处理[5]。

基于深度学习的图像处理

2006年深度学习技术引起学术界的广泛关注，目前已广泛应用于图像、语音、文字和视频等各种信息的智能分析及处理[6]。基于深度学习技术，计算机能够自动学习目标任务数据的典型特征。基于神经网络的深度学习模型由大量数据处理层组成，其通过大量先验数据的学习自动调整模型参数，得到适应目标任务的网络模型。……