卷積神經網絡在骨骼肌肉放射學中的研究進展

王春杰，袁慧書

(北京大學第三醫院放射科，北京 100191)

卷積神經網絡(convolutional neural network, CNN)是人工智能(artificial intelligence, AI)的一個快速發展的子集，為放射學領域的最新技術之一，適用于解決圖像識別和分類問題[1-2]，目前在分析某些醫學圖像方面已達到媲美放射科醫師的水平[3]，如檢出肺結節[4]、對膠質瘤進行級別分類[5]和診斷骨折[6]等，對放射學的未來發展產生了深遠影響。本文就CNN在骨骼肌肉放射學中的研究進展進行綜述。

1 CNN相關概念及發展

AI是計算機科學的子領域，是為計算機編程，便于其學習和執行復雜任務的學科。機器學習(machine learning, ML)是AI的一個子集，通過計算機模擬人類的學習過程，使計算機能夠在數據中學習。傳統ML算法雖可隨著執行任務積累經驗而逐步改善，但對于圖像問題通常仍需人類專家手動進行特征選擇，進而確定哪些圖像特征更為重要。深度學習(deep learning, DL)是ML新發展的子集[7]，其最大優點在于計算機不再需要人類專家手動進行特征選擇，算法本身可以確定最佳圖像特征，進而回答針對圖像的各種問題。

CNN是實現圖像DL最常用的算法模型，由輸入層、卷積層、池化層、全連接層及輸出層組成[8]，經輸入層輸入數據，由卷積層和池化層對輸入數據進行特征提取，全連接層將提取的特征進行組合分類，最后由輸出層輸出分類結果。

對CNN的研究可追溯至20世紀90年代。1989年LECUN在論述中首次使用“卷積”一詞對算法結構進行解釋，其構建的LeNet-5模型定義了CNN的基本結構，成功用于解決識別手寫數字的問題。……