2D,2.5D,还是3D?这是一个很好的选择. 对比深度神经网络中的维度方法,用于3D医学图像分析
Maolin Li1, Chenwei Zhou2, Shengnan Cao3
1Department of Radiology, Xinhua Hospital Affiliated to Shanghai Jiao Tong University School of Medicine, Shanghai, China.
Journal of imaging informatics in medicine
|January 12, 2026
概括
用于3D医学成像分析的深度学习模型显示出不同的性能. 虽然2D模型是不理想的,但2.5D和3D方法都有优势,2.5D经常平衡效率和准确性.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 深度学习 (Deep Learning) 是一种深度学习.
背景情况:
- 深度学习对于分析3D医学成像数据 (CT,MRI,PET/CT) 至关重要.
- 对体积数据的最佳神经网络维度 (2D,2.5D,3D) 仍在争论中.
研究的目的:
- 在3D医学成像任务中审查和分析2D,2.5D和3D深度神经网络的性能.
- 综合对分类和细分任务的比较研究的发现.
主要方法:
- 对过去十年31项比较研究进行系统审查.
- 分析侧重于比较2D,2.5D和3D深度学习架构的研究.
主要成果:
- 纯粹的二维模型由于缺乏切片间的上下文而始终表现不佳.
- 在12项研究中,2.5D模型得到了青,表现优于其他研究.
- 纯3D模型在5项研究中得到了青,而4项研究发现性能依赖于上下文.
- 2.5D模型通常有效地平衡空间信息和计算效率.
结论:
- 对于3D医学成像分析来说,没有一个单一的维度是普遍最佳的.
- 2.5D和3D模型之间的选择取决于临床任务,数据和资源.
- 2.5D模型为许多3D医学成像应用提供了实用的平衡.
