深度学习处理医学图像的基本模型框架

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