黑色素瘤计算皮肤病理学的深度学习:技术系统性文献综述
Daniel Sauter1, Georg Lodde2, Felix Nensa3
1Department of Computer Science, Fachhochschule Dortmund, 44227 Dortmund, Germany.
Computers in biology and medicine
|June 14, 2023
概括
皮肤病理学中的深度学习 (DL) 对黑色素瘤检测有希望,但面临着像图像质量和采用等挑战. 临床翻译需要进一步的技术改进.
科学领域:
- 计算性皮肤病理学
- 数字病理学数字病理学
- 医学中的人工智能.
背景情况:
- 深度学习 (DL) 越来越多地用于计算性皮肤病理学,特别是用于黑色素瘤分析.
- 该领域面临着独特的挑战,包括染色文物,大型图像文件和不同的放大级别.
研究的目的:
- 提供对黑色素瘤皮肤病理学中DL的同行评审出版物的结构化概述.
- 分析该领域DL方法的技术先进性,性能和局限性.
主要方法:
- 2012年至2022年间发表的54项研究的系统文献综述.
- 从技术,以问题为导向和以任务为导向的角度分析研究.
主要成果:
- 黑色素瘤组织病理学的DL方法需要技术改进和更广泛的采用.
- 与传统方法相比,DL在常规任务中实现了人类竞争力的准确性,但在高级应用中落后于传统方法.
- 确定了临床转化和未来研究方向的挑战.
结论:
- 为了在黑色素瘤诊断中有效应用,需要进一步开发DL技术.
- 解决技术和采用障碍对于将DL纳入临床皮肤病理学实践至关重要.


