-
题名基于深度学习的肾脏超声图像分割:现状与挑战
- 1
-
-
作者
尹诗
施振扬
吴梦麟
蔡金燕
余德
-
机构
南京工业大学计算机与信息工程学院
深圳卡本医疗器械有限公司
江苏开放大学信息工程学院
-
出处
《计算机科学》
北大核心
2025年第9期16-24,共9页
-
基金
江苏省自然科学基金(BK20230312)。
-
文摘
肾脏超声图像分割作为一项关键的临床任务,在疾病诊断和治疗规划中发挥着重要作用。该综述系统回顾了2017至2024年间肾脏超声图像分割领域的重要研究成果,重点分析了二维和三维分割技术及异常病变肾脏分割方法。对于二维超声图像,总结了4类分割技术方法:1)基于纹理特征提取的传统分割方法;2)U-Net及其改进架构;3)融合肾脏形状和边界先验知识的深度监督学习方法;4)多模态信息融合分割技术。此外,详细梳理了当前公开可用的数据集和标准化评估指标,为后续研究提供了可靠的比较基准。尽管当前二维分割方法已取得显著进展,但仍面临诸多挑战:精细解剖结构的分割精度有待提升,三维分割技术尚未成熟,异常病变分割研究明显不足,以及高质量训练数据严重匮乏等关键问题。这些技术瓶颈的突破将直接决定该领域研究成果的临床转化前景。展望未来,需要重点发展精细结构与三维分割技术、探索跨模态学习方法、深化组织特征信息融合策略,并着力构建大模型和高质量数据集,以全面提升肾脏超声分割技术的临床应用价值。
-
关键词
肾脏超声分割
深度学习
肾脏异常
评估指标
公开数据集
-
Keywords
Kidney US segmentation
Deep learning
Renal abnormalities
Evaluation metrics
Open datasets
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
R445.1
[医药卫生—影像医学与核医学]
-
