在生物医学图像和文本中的多式联络深度学习的范围审查

科学领域:

• 生物医学数据分析
• 医疗保健中的人工智能
• 机器学习是机器学习.

背景情况:

• 未来的诊断系统需要同时处理多模式数据.
• 多模式深度学习 (MDL) 整合了各种数据源 (例如图像,文本) 用于生物医学数据分析.
• MDL是一个新兴的领域,研究兴趣日益增加.

研究的目的:

• 为生物医学研究中多式联络深度学习的现状提供全面的概述.
• 确定MDL中的关键概念,研究类型和研究缺口.
• 专注于生物医学图像和文本的联合学习.

主要方法:

• 对多式联络深度学习研究的范围审查.
• 对研究的分析,重点是生物医学图像和文本数据的整合.
• 将MDL应用分为五个关键任务的分类.

主要成果:

• MDL具有多样化的应用,包括报告生成,视觉问题答案,交叉模式检索,计算机辅助诊断和语义细分.
• 该审查强调了MDL在改变生物医学数据解释方面的巨大潜力.
• 确定了生物医学领域MDL的研究缺口和未来方向.

结论:

• 在生物医学数据分析中,MDL显示了广泛的适用性和显著的潜力.
• 这些发现鼓励自然语言处理和医学成像社区之间的合作.
• MDL已准备好支持下一代决策和计算机辅助诊断系统.