医学图像分析最新综述:走向深度

栏目: 数据库 · 发布时间: 5年前

内容简介:今天arXiv新上一篇论文《Going Deep in Medical Image Analysis: Concepts, Methods, Challenges and Future Directions》,来自澳大利亚埃迪斯科文大学的研究人员综述了深度学习在医学图像分析领域应用的概念、最近出现的常用方法、数据集、面临挑战和可能的未来方向

我爱计算机视觉 标星,更快获取CVML新技术

今天arXiv新上一篇论文《Going Deep in Medical Image Analysis: Concepts, Methods, Challenges and Future Directions》,来自澳大利亚埃迪斯科文大学的研究人员综述了深度学习在医学图像分析领域应用的概念、最近出现的常用方法、数据集、面临挑战和可能的未来方向

医学图像分析最新综述:走向深度

其参考了近几年三百多篇文献,值得医学影像处理领域的学者与工程技术人员参考。

深度学习基础

该论文首先从深度学习的基础概念介绍,介绍了该领域的常用方法,包括深度学习网络架构、神经元概念、卷积神经网络、循环神经网络等。

深度神经网络架构,包含输入层、输出层,与多个隐含层。

医学图像分析最新综述:走向深度

单个神经元数学计算模型示例:

医学图像分析最新综述:走向深度

卷积操作示例:

医学图像分析最新综述:走向深度

网络中卷积层计算图示:

医学图像分析最新综述:走向深度

RNN模型图示:

医学图像分析最新综述:走向深度

技术分类与文献索引

作者按照医学图像分析的技术方向和应用场景(使用的数据集)归纳成下图。

医学图像分析最新综述:走向深度

医学图像分析主要包含的模式识别任务是检测/定位、分割、配准、分类。常见的医学影像包括Brain、Breast、Eye、Chest、Abdomen等。

作者将2016、2017年新出的文献按照谷歌学术的索引排序,列出了每个技术领域具有影响力的文章。(因2018年刚过,数据还不完整,所以不包含2018年的论文)

这些文献在本文以索引出现,想要进一步了解的同学可以文末下载原论文参考。

检测/定位方向的高引文献:

医学图像分析最新综述:走向深度

分割方向的高引文献:

医学图像分析最新综述:走向深度

配准方向的高引文献:

医学图像分析最新综述:走向深度

分类方向的高引文献:

医学图像分析最新综述:走向深度

数据集

医学影像的数据往往比较难以获取,数据规模也比较小。

作者将该领域常用数据集总结列表如下:

医学图像分析最新综述:走向深度

下载网址及方法请参考原论文。

面临挑战

作者简述了深度学习用于医学图像分析面临的挑战,主要有:

1.缺少精确的标注数据。医学领域对标注的要求更高。

2.样本不平衡。正负样本往往数量差异较大。

3.预测结果置信度信息缺失。医学领域对模型可解释性的要求更高。

未来方向

1.处理小数据问题。一些有用的技术包括使用迁移学习、数据增广、GAN样本生成。

2.结合更多数据来源。医学领域往往不仅仅依靠图像来诊断,结合病历资料的多模态学习也值得关注。

3.关注其他领域的工作。关注能对医学图像分析带来启发的其他计算机视觉、机器学习领域的新工作。

论文地址:

https://arxiv.org/abs/1902.05655v1

在“我爱计算机视觉”公众号对话界面回复“医图综述”,即可收到该论文的百度云下载地址。

加群交流

医疗图像处理识别在国内交流平台较少,52CV君已经建了一个专业群,扫码添加52CV君拉你入群:

(请务必注明:医疗图像)

医学图像分析最新综述:走向深度

喜欢在QQ交流的童鞋,可以加52CV官方QQ群:928997753。

(不会时时在线,如果没能及时通过验证还请见谅)

医学图像分析最新综述:走向深度

长按关注 我爱计算机视觉


以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持 码农网

查看所有标签

猜你喜欢:

本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们

掘金大数据

掘金大数据

程新洲、朱常波、晁昆 / 机械工业出版社 / 2019-1 / 59.00元

在数据横向融合的时代,充分挖掘数据金矿及盘活数据资产,是企业发展和转型的关键所在。电信运营商以其数据特殊性,必将成为大数据领域的领航者、生力军。各行业的大数据从业者要如何从电信业的大数据中挖掘价值呢? 本书彻底揭开电信运营商数据的神秘面纱,系统介绍了大数据的发展历程,主要的数据挖掘方法,电信运营商在网络运行及业务运营方面的数据资源特征,基于用户、业务、网络、终端及内在联系的电信运营商大数据分......一起来看看 《掘金大数据》 这本书的介绍吧!

HTML 编码/解码
HTML 编码/解码

HTML 编码/解码

XML、JSON 在线转换
XML、JSON 在线转换

在线XML、JSON转换工具

RGB HSV 转换
RGB HSV 转换

RGB HSV 互转工具