孔令军，王茜雯，包云超，李华康

(1.金陵科技学院，江苏 南京 211169；2.南京邮电大学，江苏 南京 210003；3.西交利物浦大学，江苏 苏州 215123)

0 引言

作为机器学习的子领域，深度学习由于其高效的计算和处理高维非线性数据的能力已经被广泛应用于图像处理领域[1]。截至今日，深度学习已经在计算机视觉领域(Computer Vision,CV)做出了巨大的贡献，CV的发展同时促进了医学图像分析的进步。通过运用神经网络，计算机设备可以高效地处理大量图片信息，以辅助专科医生进行诊断，从而可以缓解放射科医生的压力，减少误诊漏诊概率，提高诊断效率，在医疗领域具有良好的发展前景[2]。

深度学习有别于其他编程算法的主要特点是通过神经网络对输入数据进行特征提取，而不需要过多的人为参与。传统的机器学习系统通常要通过专业人员对输入数据进行人工特征提取，将原始的输入数据转化为系统能够识别的形式，而深度学习减弱了对人工提取特征的要求，原始数据在通过神经网络之后，可以自主学习到有用的信息，使得系统可以得到最优的输出。

目前，医学影像处理深受国内外的重视。作为医疗影像处理过程中一个重点的研究方向，图像分割可以有效分割出影像中的异常组织和结构，是进行合理评估以及给予病患恰当治疗方案的条件，逐渐在医学界发挥着越来越大的作用。图像分割可以提取出影像图像中的特定组织或结构，给医生提供特殊组织的定量信息。……