原创力文档- 1、本文档共37页，其中可免费阅读12页，需付费200金币后方可阅读剩余内容。
- 2、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。
- 3、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
- 4、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
PAGE V
PAGE VI
摘 要
医疗影像与人工智能的结合已经成为近些年的研究热点。医疗影像数据占全体医疗数据的90%以上，其中计算机断层扫描成像（Computed Tomography，CT）应用广泛，在各级别医院中均配备有相关检测仪器，相应则需要更多的放射科影像专业人员对CT图像进行肿瘤与病变分析。而目前我国放射科医疗影像的处理主要存在如下两个问题：人工处理医疗影像存在局限性，医生在长时间的工作中可能出现漏诊或误诊；专业且富有经验的放射科医生缺口较大。
人工智能算法可以帮助解决上述问题，近些年来以深度卷积神经网络算法为核心的目标检测方法层出不穷，如RCNN、Faster
文档评论（0）