Resumen

La segmentación semántica de imágenes médicas se ha empleado en diversas áreas, como la imagen médica, la visión por ordenador y el transporte inteligente. En este estudio, el método de segmentación semántica de imágenes se divide en dos secciones: el método de la red neuronal profunda y el método tradicional anterior. En el primer paso se revisa el método tradicional y el conjunto de datos publicado para la segmentación. A continuación, se exploran a fondo los aspectos presentados, incluyendo la red todo-convolución, los métodos de muestreo, el conector FCN con los métodos CRF, los métodos de la red neuronal convolucional extendida, las mejoras en la estructura de la red, los métodos piramidales, los métodos multietapa y multifeature, los métodos supervisados, los métodos semirreglamentarios y los métodos no reglamentarios, en los métodos actuales basados en la red neuronal profunda. Por último, se presenta una conclusión general sobre el uso de los avances desarrollados basados en conceptos de redes neuronales profundas en la segmentación semántica.

• Materias:Inteligencia artificial Minería de datos Algoritmos genéticos Neurofisiología Proceso de aprendizaje
• Subjects:Artificial intelligence Data mining Genetic algorithms Neurophysiology Learning processes
• Palabras claves:red neuronal profunda, segmentación semántica de la imagen, segmentación semántica médica, métodos tradicionales anteriores, métodos de redes neuronales, métodos de muestreo, avance desarrollado, métodos de multifeature, visión por ordenador, métodos no normativos
• Keywords:deep neural network, semantic segmenting image, medical semantic segmentation, previous traditional methods, neural network methods, sampling methods, developed advance, multifeature methods, computer vision, nonregulatory methods