计算智能方法广泛应用于实际应用,包括医学领域。尽管许多计算方法可用,一些方法,如深度学习医学图像分析技术广泛者优先。

尽管深度学习技术从理论上进行了分析研究,其实际可行性仍未知由于这样的大型计算复杂度与方法。这些在本质上是高度的数学计算操作,因此有很强的必要性简化这些计算过程。用的软件设施,大多数研究者并不认为这些深度学习的数学方面的方法。

这个特殊问题的目的是整理原始研究关注深的数学概念学习方法对医学图像分析。评论文章讨论的当前状态的艺术也欢迎。我们希望这个特殊的问题让崭露头角的研究人员进一步研究深度学习的方法。

潜在的主题包括但不限于以下:

• 数学建模的学习和转移学习医学图像分析方法
• 杂交深度学习医学图像分析方法
• 卷积神经网络的神经系统疾病
• 为优化深autoencoders医学图像的特性集
• 深前馈网络的医学图像分类
• 医学图像分割使用深度学习和转移学习方法
• 生成对抗网络医学图像分析
• 混合学习转移方法对医学图像的理解
• 医学图像/视频处理健康数据的远程监控
• 小说简化深度学习训练算法的医学图像分析