置信函数用于医学图像分割的应用：综述

在风险关键型应用中，例如医学图像分割，不确定性的研究至关重要。置信函数理论作为不确定性分析和多证据融合的形式化框架，对医学图像分割做出了重要贡献，尤其是自深度学习发展以来。在本文中，我们介绍了使用置信函数理论的医学图像分割方法这一主题。我们根据融合步骤对方法进行分类，并解释具有不确定性或不精确性的信息如何借助置信函数理论进行建模与融合。此外，我们讨论了当前基于置信函数的医学图像分割所面临的挑战与局限，并提出了未来研究的方向。未来研究可同时探究置信函数理论与深度学习，以获得更有前景且可靠的分割结果。