张 萍, 徐巧枝

(内蒙古师范大学 计算机科学技术学院,内蒙古 呼和浩特 010022)

目前PET/CT是医学临床上诊断癌症的常用技术,对患者疾病的早期诊断及后续治疗具有非常重要的意义。但是在现实中,受医疗条件的局限,患者往往面临诊断时间长、诊断结果容易受主观影响等问题。深度学习技术被广泛应用于医学影像的分析,以辅助医生实现患病部位的分割、目标检测及分类,取得了良好效果。因此,将深度学习技术应用于图像,以提高诊断的效率和精确度,引起了很多研究者的关注并取得了一定成果。但是目前的研究大多是基于B超、CT等单模态数据,针对PET/CT双模态数据的研究相对较少,但已呈现出逐年上涨的趋势。因此,对现有研究进行归纳、整理和总结,可以帮助对该领域感兴趣的研究者快速了解其研究路线与现状,促进该领域的发展。

本对文PET/CT图像分析和处理中常用的深度学习模型、PET/CT图像的特点、PET/CT图像中对病灶分割、检测和分类的相关研究进行介绍,在对已有研究进行总结的基础上,展望未来的研究。

1 深度学习模型及PET/CT图像简介

1.1 深度学习模型简介

深度学习通过学习大量样本数据的内在规律和表示层次,可以获得对文字,图像和声音等数据的内在解释,从而能够识别文字、图像和声音等数据[1-2]。为了更好地理解后面提到的研究内容,首先简单介绍相关领域内常用的网络模型。

(1) 卷积神经网络(CNN)是一类包含卷积计算且具有深度结构的前馈神经网络,是深度学习的代表算法之一,也是很多深度学习网络的基础。……