資訊專欄INFORMATION COLUMN
摘要：醫(yī)學(xué)圖像分析主要包含的模式識(shí)別任務(wù)是檢測(cè)定位分割配準(zhǔn)分類。面臨挑戰(zhàn)作者簡(jiǎn)述了深度學(xué)習(xí)用于醫(yī)學(xué)圖像分析面臨的挑戰(zhàn)，主要有缺少較精確的標(biāo)注數(shù)據(jù)。關(guān)注能對(duì)醫(yī)學(xué)圖像分析帶來啟發(fā)的其他計(jì)算機(jī)視覺機(jī)器學(xué)習(xí)領(lǐng)域的新工作。
今天arXiv新上一篇論文《Going Deep in Medical Image Analysis: Concepts, Methods, Challenges and Future Directions》，來自澳大利亞埃迪斯科文大學(xué)的研究人員綜述了深度學(xué)習(xí)在醫(yī)學(xué)圖像分析領(lǐng)域應(yīng)用的概念、最近出現(xiàn)的常用方法、數(shù)據(jù)集、面臨挑戰(zhàn)和可能的未來方向
其參考了近幾年三百多篇文獻(xiàn)，值得醫(yī)學(xué)影像處理領(lǐng)域的學(xué)者與工程技術(shù)人員參考。
深度學(xué)習(xí)基礎(chǔ)
該論文首先從深度學(xué)習(xí)的基礎(chǔ)概念介紹，介紹了該領(lǐng)域的常用方法，包括深度學(xué)習(xí)網(wǎng)絡(luò)架構(gòu)、神經(jīng)元概念、卷積神經(jīng)網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)等。
深度神經(jīng)網(wǎng)絡(luò)架構(gòu)，包含輸入層、輸出層，與多個(gè)隱含層。
單個(gè)神經(jīng)元數(shù)學(xué)計(jì)算模型示例：
卷積操作示例：
網(wǎng)絡(luò)中卷積層計(jì)算圖示：
RNN模型圖示：
技術(shù)分類與文獻(xiàn)索引
作者按照醫(yī)學(xué)圖像分析的技術(shù)方向和應(yīng)用場(chǎng)景（使用的數(shù)據(jù)集）歸納成下圖。
醫(yī)學(xué)圖像分析主要包含的模式識(shí)別任務(wù)是檢測(cè)/定位、分割、配準(zhǔn)、分類。常見的醫(yī)學(xué)影像包括Brain、Breast、Eye、Chest、Abdomen等。
作者將2016、2017年新出的文獻(xiàn)按照谷歌學(xué)術(shù)的索引排序，列出了每個(gè)技術(shù)領(lǐng)域具有影響力的文章。（因2018年剛過，數(shù)據(jù)還不完整，所以不包含2018年的論文）
這些文獻(xiàn)在本文以索引出現(xiàn)，想要進(jìn)一步了解的同學(xué)可以文末下載原論文參考。
檢測(cè)/定位方向的高引文獻(xiàn)：
分割方向的高引文獻(xiàn)：
配準(zhǔn)方向的高引文獻(xiàn)：
分類方向的高引文獻(xiàn)：
數(shù)據(jù)集
醫(yī)學(xué)影像的數(shù)據(jù)往往比較難以獲取，數(shù)據(jù)規(guī)模也比較小。
作者將該領(lǐng)域常用數(shù)據(jù)集總結(jié)列表如下：
下載網(wǎng)址及方法請(qǐng)參考原論文。
面臨挑戰(zhàn)
作者簡(jiǎn)述了深度學(xué)習(xí)用于醫(yī)學(xué)圖像分析面臨的挑戰(zhàn)，主要有：
1.缺少較精確的標(biāo)注數(shù)據(jù)。醫(yī)學(xué)領(lǐng)域?qū)?biāo)注的要求更高。
2.樣本不平衡。正負(fù)樣本往往數(shù)量差異較大。
3.預(yù)測(cè)結(jié)果置信度信息缺失。醫(yī)學(xué)領(lǐng)域?qū)δＰ涂山忉屝缘囊蟾摺?/p>
未來方向
1.處理小數(shù)據(jù)問題。一些有用的技術(shù)包括使用遷移學(xué)習(xí)、數(shù)據(jù)增廣、GAN樣本生成。
2.結(jié)合更多數(shù)據(jù)來源。醫(yī)學(xué)領(lǐng)域往往不僅僅依靠圖像來診斷，結(jié)合病歷資料的多模態(tài)學(xué)習(xí)也值得關(guān)注。
3.關(guān)注其他領(lǐng)域的工作。關(guān)注能對(duì)醫(yī)學(xué)圖像分析帶來啟發(fā)的其他計(jì)算機(jī)視覺、機(jī)器學(xué)習(xí)領(lǐng)域的新工作。
論文地址：
https://arxiv.org/abs/1902.05655v1
聲明：文章收集于網(wǎng)絡(luò)，如有侵權(quán)，請(qǐng)聯(lián)系小編及時(shí)處理，謝謝！
歡迎加入本站公開興趣群商業(yè)智能與數(shù)據(jù)分析群
興趣范圍包括各種讓數(shù)據(jù)產(chǎn)生價(jià)值的辦法，實(shí)際應(yīng)用案例分享與討論，分析工具，ETL工具，數(shù)據(jù)倉(cāng)庫，數(shù)據(jù)挖掘工具，報(bào)表系統(tǒng)等全方位知識(shí)
QQ群：81035754
文章版權(quán)歸作者所有，未經(jīng)允許請(qǐng)勿轉(zhuǎn)載,若此文章存在違規(guī)行為，您可以聯(lián)系管理員刪除。
轉(zhuǎn)載請(qǐng)注明本文地址：http://m.specialneedsforspecialkids.com/yun/4852.html
摘要：摘要背景深度學(xué)習(xí)是一種表示學(xué)習(xí)方法，非常適合用來處理數(shù)字病理學(xué)中的圖像分析問題。優(yōu)質(zhì)的注釋樣本是深度學(xué)習(xí)重要的先決條件，但是處理數(shù)字病理學(xué)中最大的挑戰(zhàn)就是獲取高質(zhì)量的注釋樣本。本文使用的深度學(xué)習(xí)主要由四個(gè)模塊組成。 Deep learning for digital pathology image analysis: A comprehensive tutorial with sele...
摘要：這也是很多大廠都在研發(fā)的原因深度超分辨率層次結(jié)構(gòu)該文作者總結(jié)了一張非常棒的圖，可以盡覽深度學(xué)習(xí)超分辨率的方方面面作者介紹了深度學(xué)習(xí)圖像超分辨的監(jiān)督學(xué)習(xí)方法，從模型框架上采樣方法網(wǎng)絡(luò)設(shè)計(jì)方法網(wǎng)絡(luò)學(xué)習(xí)策略和可能的改進(jìn)策略進(jìn)行了細(xì)致總結(jié)。 今日arXiv新上論文《Deep Learning for Image Super-resolution:A Survey》，詳細(xì)回顧了近年來基于深度學(xué)習(xí)的圖像...
摘要：淋巴細(xì)胞是白細(xì)胞的一個(gè)亞種，在免疫系統(tǒng)中很重要。患病或有異物的區(qū)域淋巴細(xì)胞數(shù)量會(huì)極大增加，所以通過確認(rèn)和定量淋巴細(xì)胞的密度和位置有助于評(píng)估疾病。本節(jié)目標(biāo)是確定淋巴細(xì)胞的中心，是一個(gè)檢測(cè)任務(wù)。常見的假陽性和真實(shí)正例見圖。 Deep learning for digital pathology image analysis: A comprehensive tutorial with se...
摘要：大數(shù)據(jù)人工智能分析技術(shù)使得醫(yī)學(xué)影像診斷軟硬件變得更智能化。通過已訓(xùn)練好的卷積神經(jīng)網(wǎng)絡(luò)，能很快地搭建并訓(xùn)練自己的深度學(xué)習(xí)系統(tǒng)。目前，典型的卷積神經(jīng)網(wǎng)絡(luò)是一個(gè)多層的可訓(xùn)練的體系結(jié)構(gòu)。使用平均值操作的池化層被稱之為平均池化層。 來自 GitChat 作者：王曉明更多IT技術(shù)分享，盡在微信公眾號(hào)：GitChat技術(shù)雜談 進(jìn)入 GitChat 閱讀原文 前言 醫(yī)學(xué)影像與人工智能的結(jié)合，是數(shù)字醫(yī)療...
閱讀 2532·2023-04-25 14:54
閱讀 602·2021-11-24 09:39
閱讀 1810·2021-10-26 09:51
閱讀 3858·2021-08-21 14:10
閱讀 3485·2021-08-19 11:13
閱讀 2695·2019-08-30 14:23
閱讀 1810·2019-08-29 16:28
閱讀 3360·2019-08-23 13:45
