在医学影像处理中使用的到的深度学习的模型框架主要有:
- SAE(stack auto-encoder)
无监督学习方案,逐层训练,得到特征描述为主
- RBM(restricted Boltzmann machine)
无监督学习方案,与SAE 类似
- CNN(convolutional neural network)
卷积神经网络,使用最为广泛,可以用来提取图片特征或者直接完成分类检测等任务
- RNN(recurrent neural network)
循环神经网络,用来获取时序上的信息,在CT等逐行扫描图像中使用
- U-net (with a single downsampling stage)
类似于带short-cut的全卷机网络,用来融合不同尺度的图像的特征
- FCNN(fully convolutional neural network)
全卷机网络,可以获取与原图相同分辨率的图片,常用于分割等任务
- FRCNN(Faster Region-proposal based neural network)
一种快速的深度学习检测网络框架,分为rpn 和 rcnn 两层,用于检测图像中的多种物体