对皮肤病变细分的深度学习的调查.
Zahra Mirikharaji1, Kumar Abhishek1, Alceu Bissoto2
1Medical Image Analysis Lab, School of Computing Science, Simon Fraser University, Burnaby V5A 1S6, Canada.
Medical image analysis
|June 21, 2023
概括
这项调查分析了177项针对皮肤病变细分的深度学习研究. 它检查数据,模型和评估方法,以改善皮肤癌的计算机辅助诊断.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 皮肤病学 皮肤病学
背景情况:
- 皮肤癌是一个重大的公共卫生挑战.
- 准确的皮肤病变细分对于计算机辅助诊断至关重要.
- 细分因文物,病变特征和成像变异而复杂化.
研究的目的:
- 系统地审查基于深度学习的皮肤病变细分研究.
- 分析当前的趋势,方法和领域的局限性.
- 为研究人员和从业人员提供全面的资源.
主要方法:
- 对177篇关于皮肤病变细分深度学习的研究论文进行了系统审查.
- 基于输入数据,模型设计和评估指标分析论文.
- 检查了该领域的开创性工作和整体趋势.
主要成果:
- 确定了关键维度:输入数据 (数据集,预处理,合成数据),模型设计 (架构,模块,损失) 和评估 (注释,性能).
- 讨论了方法选择如何影响当前趋势,并确定了需要改进的领域.
- 在综合表中总结了研究结果,以便进行比较.
结论:
- 深度学习显示了皮肤病变细分的前景,有助于癌症诊断.
- 需要进一步的研究来解决细分的挑战和局限性.
- 该综述提供了一个结构化的概述,以指导该领域未来的进展.
