《表3 深度学习分割肝脏CT图像高引文献》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于深度学习的器官自动分割研究进展》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

注：CFCN为级联FCN，DSN为深度监督网络，DI2IN为深度端到端网络，DDN为密集扩张网络；VOE为体积重叠误差，RVD为相对体积差，ASD为平均对称表面距离，RMSD为均方根对称表面距离，MSD为最大对称表面距离

目前利用深度学习分割肝脏主要基于CT图像进行。肝脏与周围器官灰度值接近，其大小、形状受患者个体差异及呼吸动度影响较大，分割具有挑战性。自2016年起，基于CNN的自动分割就取代了基于形状和外观的建模方法，成为肝脏分割挑战SLI-VER07的最优方法。基于CT图像采用深度学习自动分割肝脏的部分高引文献见表3。