根据基于人工智能的分类来诊断脑瘤的近期进展的综述

科学领域:

• 神经瘤学神经瘤学
• 医学成像分析 医学成像分析
• 计算智能是一种计算智能.

背景情况:

• 无法控制的细胞增殖导致脑瘤,需要早期检测以改善患者的治疗结果.
• 准确的脑瘤分类对于有针对性的治疗至关重要,但手动方法耗时,需要专家知识.
• 像CT和MRI这样的医学成像模式对于检测脑瘤至关重要,但需要自动化分析.

研究的目的:

• 审查各种脑瘤类型,数据集和图像增强技术.
• 探索用于自动脑瘤细分和分类的机器学习 (ML) 和深度学习 (DL) 方法.
• 综合当前的计算机辅助方法在ML和DL框架中用于大脑瘤表征,并确定未来的研究方向.

主要方法:

• 关于脑瘤细分,特征提取,分类和ML/DL技术的文献综述.
• 综合利用成像方式 (CT,MRI) 的研究与自动化计算机辅助方法.
• 对公开可访问的数据集的分析和用于脑瘤分析的转移学习方法.

主要成果:

• 机器学习和深度学习在开发用于自动脑瘤分类和细分的算法方面显示出重大前景.
• 使用成像模式的自动化技术可以加快和提高脑瘤诊断的准确性,而不是手动方法.
• 该审查涵盖了各种各样的方面,包括瘤类型,数据集,增强,细分,特征提取,分类和ML/DL方法.

结论:

• 使用ML/DL进行自动细分和分类对于加速和改进脑瘤诊断和治疗计划至关重要.
• 准确的细分是准确分类的先决条件,导致更有效的向治疗.
• 本综述提供了当前工程方法的见解,并预测了自动化脑瘤表征的未来范式.