蒋西然，蒋韬，孙嘉瑶，宋江典，姜文研，艾华，龙哲，苏娟，常世杰，于韬

1.中国医科大学 公共基础学院，辽宁 沈阳 110122；2.中国科学院大学 计算机科学与技术学院，北京 100049；3.中国医科大学 医学信息学院，辽宁 沈阳 110122；4.辽宁省肿瘤医院 中国医科大学肿瘤医院 医学影像科，辽宁 沈阳 110042

引言

临床医学影像通过反映人体组织器官的形态及功能，在临床疾病的诊断和预后中发挥着重要作用。当前对医学影像数据的分析多依赖于医生肉眼观察阅片，医生本身的经验和主观因素差异会影响诊断的准确性，而临床影像数据量的急剧增长也极大地增加了医生的工作量。近年来，医学影像数字化和人工智能辅助诊断的快速发展对医疗影像分析带来了巨大变革，利用深度学习技术模拟人脑自动学习数据各层次抽象特征来分析医学影像并给出辅助诊断结论已成为现代临床影像分析工作中的重要发展趋势，合理使用人工智能技术将有效提高临床诊断的效率和准确性。

1998年Lecun等[1]首次提出了神经网络雏形LeNet，利用反向传播算法训练多层神经网络为深度学习奠定了基础。在此之后涌现出更多优秀的深度学习算法，如2012年ImageNet图像分类竞赛冠军AlexNet[2]，2014年ILSVRC定位任务第一名和分类任务第二名的VGGNet[3]，ImageNet竞赛冠军GoogLeNet[4]等，这些算法在医学影像分类、定位、分割和重建方面均取得了较好的效果。新一代非监督深度学习网络如PixelRNN/卷积神经网络（Convolutional Neural Network，CNN）、变分自编码器、生成式对抗网络和多层降噪自……