为了更精确的自动分析:基于深度学习的多器官细分的系统审查.

科学领域:

• 医学成像分析 医学成像分析
• 医疗保健中的人工智能
• 计算解剖学的计算解剖学

背景情况:

• 精确的多器官细分对于计算机辅助诊断,手术导航和放射治疗至关重要.
• 深度学习方法已经超越了自动医学图像细分的传统方法.
• 需要进行系统审查,以总结最近深度学习在多器官细分方面的进展.

研究的目的:

• 系统地审查和总结基于深度学习的多器官细分方法的最新研究.
• 分析现有的数据集,并对当前的细分方法进行分类.
• 确定现行趋势和该领域的未来方向.

主要方法:

• 在Google Scholar上对2016年1月1日至2023年12月31日的论文进行了系统的文献搜索,使用关键词"多器官细分"和"深度学习".
• 研究选择遵循了PRISMA指南,结果包括了195项研究.
• 方法根据标签要求被分为完全监督,弱监督和半监督的方法.

主要成果:

• 该审查提供了用于多器官细分的公共数据集的概述和分析.
• 现有方法被分类,并总结了它们的细分精度成就.
• 概述和讨论了多器官细分的当前趋势.

结论:

• 深度学习已经成为多器官细分的最先进的技术,比传统方法提供了显著的改进.
• 该审查强调了数据集和不同监督学习策略在实现高细分精度方面的重要性.
• 了解当前的趋势对于医疗图像分析的未来研究和开发至关重要.