刘亚伟，郭辰婧，赵绘萍

(吉林医药学院附属医院，吉林 吉林 132013)

随着人们生活环境和生活方式的改变，慢性病取代传染病，成为威胁人类健康的首要因素。肿瘤是最常见的慢性病之一,部分肿瘤早期的临床症状较为隐蔽，其诊断率低，严重影响了患者的治疗与康复。肿瘤的传统影像学筛查主要依靠于其成像片的密度、增强模式、肿瘤边缘规律等定性特征诊断。但是，人类对影像图片的解读存在主观性，存在漏诊误诊的风险。计算机辅助诊断(computer aided diagnosis，CAD)旨在通过计算机对病人的影像学检查结果进行分析并辅助医生完成诊断，卷积神经网络(convolutional neural network，CNN)便是其中最具代表性、发展最为迅猛的一种算法，它能够自动提取图像特征，快速找寻图像的定性特征，其独特的优越性体现在图片识别、分类和计算领域。

1 CNN基础内容

1.1 CNN的发展历史

20世纪60年代，生理学家Hubel和Wiesel在猫的视觉神经系统中探索到视觉空间在视觉皮层中的组织原理，视觉皮层细胞从视网膜上获取视觉信息，完成光电信息的转换[1]。日本学者福岛邦彦根据这一发现，模拟了视觉皮层对视觉空间的组织提出了neocognitron模型，并由此开启了CNN的研究[2]。后来世界各地的计算机专家纷纷对这一模型进行改进推广，诞生了用于医学影像监测的平移不变人工神经网络(SIANN)[3]。在20世纪90年代随着以支持向量机为代表的核学习方法的兴起，CNN的发展进入到停滞期。直至2006年深度学习理论被提及后，CNN受到关注并逐渐被使用，并成为图像识别领域中必不可缺的重要算法。……