The Utility of Deep Learning in Breast Ultrasonic Imaging: A Review.
The Utility of Deep Learning in Breast Ultrasonic Imaging: A Review.
复制标题
DOI：
10.3390/diagnostics10121055
复制
发表时间：
2020-12-06
期刊：
影响因子：
--
通讯作者：
Tateishi U
中科院分区：
文献类型：
--
作者：
Fujioka T;Mori M;Kubota K;Oyama J;Yamaga E;Yashima Y;Katsuta L;Nomura K;Nara M;Oda G;Nakagawa T;Kitazume Y;Tateishi U
乳腺癌是妇女最常见的癌症，对妇女健康构成严重威胁。因此，早期发现和适当治疗可以改善患者预后。乳腺超声是临床上诊断和检测乳腺癌最常用的方法之一。近年来，深度学习技术在医学图像数据提取和分析方面取得了重大进展。因此，在临床实践中使用深度学习进行乳腺超声成像是非常重要的，因为它节省了时间，减少了放射科医生的疲劳，并在某些情况下弥补了经验和技能的缺乏。这篇综述文章讨论了乳腺超声深度学习的基本技术知识和算法，以及深度学习技术在图像分类、目标检测、分割和图像合成中的应用。最后，我们讨论了深度学习技术在乳腺超声中的当前问题和未来前景。
Breast cancer is the most frequently diagnosed cancer in women; it poses a serious threat to women’s health. Thus, early detection and proper treatment can improve patient prognosis. Breast ultrasound is one of the most commonly used modalities for diagnosing and detecting breast cancer in clinical practice. Deep learning technology has made significant progress in data extraction and analysis for medical images in recent years. Therefore, the use of deep learning for breast ultrasonic imaging in clinical practice is extremely important, as it saves time, reduces radiologist fatigue, and compensates for a lack of experience and skills in some cases. This review article discusses the basic technical knowledge and algorithms of deep learning for breast ultrasound and the application of deep learning technology in image classification, object detection, segmentation, and image synthesis. Finally, we discuss the current issues and future perspectives of deep learning technology in breast ultrasound.
登录
查看更多内容
DOI：
10.1016/j.gpb.2017.07.003
发表时间：
2018-03
期刊：
Genomics, proteomics & bioinformatics
影响因子：
--
作者：
Cao C;Liu F;Tan H;Song D;Shu W;Li W;Zhou Y;Bo X;Xie Z
通讯作者：
Xie Z
影响因子：
2.3
作者：
Fujioka, Tomoyuki;Katsuta, Leona;Tateishi, Ukihide
通讯作者：
Tateishi, Ukihide
影响因子：
3.6
作者：
Fujioka, Tomoyuki;Kubota, Kazunori;Tateishi, Ukihide
通讯作者：
Tateishi, Ukihide
影响因子：
2.3
作者：
Fujioka, Tomoyuki;Kubota, Kazunori;Tateishi, Ukihide
通讯作者：
Tateishi, Ukihide
影响因子：
4.4
作者：
Akkus Z;Galimzianova A;Hoogi A;Rubin DL;Erickson BJ
通讯作者：
Erickson BJ