用于光声成像的深度学习：综述
计算机视觉与模式识别
2020-12-03 v4 图像与视频处理
摘要
机器学习在过去几年中发展迅速，并在各个领域见证了大量应用。这一繁荣起源于 2009 年，当时一种新模型出现，即深度人工神经网络，它开始在一些重要基准上超越其他成熟的成熟模型。后来，它被广泛应用于学术界和工业界。从图像分析到自然语言处理，它充分发挥了其魔力，如今已成为最先进的机器学习模型。深度神经网络在医学成像技术、医学数据分析、医学诊断及其他医疗健康问题中具有巨大潜力，并在临床前甚至临床阶段得到推广。在本综述中，我们概述了机器学习应用于医学图像分析的一些新进展与挑战，特别关注光声成像中的深度学习。本综述的目的有三方面：(i) 介绍深度学习及其一些重要基础，(ii) 回顾近期将深度学习应用于光声成像完整生态链的工作，从图像重建到疾病诊断，(iii) 为有意将深度学习应用于光声成像的研究人员提供一些开源材料与其他资源。
引用
@article{arxiv.2008.04221,
title = {Deep learning for photoacoustic imaging: a survey},
author = {Changchun Yang and Hengrong Lan and Feng Gao and Fei Gao},
journal= {arXiv preprint arXiv:2008.04221},
year = {2020}
}
备注
A review of deep learning for photoacoustic imaging