使用全幻灯片图像上的深度学习进行宫癌诊断的最新进展:模型,技术,挑战和未来方向的概述
1Department of CS&IT, University of Jammu, India.
Micron (Oxford, England : 1993)
|August 9, 2023
概括
通过全幻灯片成像 (WSI) 进行深度学习,提高了宫癌查. 本综述分析了人工智能的演变,局限性以及用于诊断中的精确WSI图像分析的未来方向.
科学领域:
- 数字病理学数字病理学
- 医学中的人工智能
- 在瘤学瘤学.
背景情况:
- 整体幻灯片成像 (WSI) 和深度学习 (DL) 显著改善了宫癌查.
- DL算法准确地从WSI.中分类癌细胞和非癌细胞.
- 有限的研究存在于宫癌的DL与WSI的演变和挑战.
研究的目的:
- 为宫WSI分析提供最先进的DL算法提供全面概述.
- 在宫癌分类中分析DL的方法方面,趋势和演变.
- 确定这个领域的局限性和未来的研究方向.
主要方法:
- 系统审查115篇相关论文,其中37篇根据包含/排除标准进行选择.
- 分析深度学习技术,数据源,架构和分类方法.
- 基于DL技术和随着时间的推移而发展的模型的领域演变的分类.
主要成果:
- 识别了使用WSI的流行的DL技术和宫癌分类的当前趋势.
- 提倡转移监督学习,使用像ResNet,VGG19和EfficientNet.Net这样的模型.
- 强调了新型DL模型的进展,但指出需要标准化的基准WSI数据库.
结论:
- 深度学习与WSI相结合,为宫癌诊断提供了强大的工具.
- 对于DL模型的最佳性能,建议转移监督学习.
- 标准化的WSI数据库对于推进研究和临床应用至关重要.
