基于机器学习的牛皮图像分析的审查
Huihui Li1, Guangjie Chen1, Li Zhang2,3
1School of Computer Science, Guangdong Polytechnic Normal University, Guangzhou, China.
Frontiers in medicine
|August 22, 2024
概括
机器学习 (ML) 通过分析数据中的模式来帮助牛皮的诊断. 本综述总结了过去十年来ML在损伤分析中的应用,确定了共同的模型和未来的研究方向.
科学领域:
- 人工智能 (AI) 和机器学习 (ML) 在医学诊断中.
- 计算性皮肤学和图像分析用于皮肤疾病评估.
背景情况:
- 牛皮的诊断和管理是皮肤病学的关键领域.
- 机器学习为医学图像分析提供了先进的计算方法.
- 人工智能技术的整合,如传统机器学习 (TML) 和深度学习 (DL),正在改变医疗保健过程.
研究的目的:
- 在过去的十年里,系统地审查ML在牛皮分析中的研究和应用.
- 总结关键发现,常见模型,数据集,挑战和牛皮ML的未来趋势.
- 为这个领域的未来研究方向提供见解.
主要方法:
- 对53篇出版物的系统文献综述.
- 在主要的科学数据库中进行的搜索:科学网,PubMed和IEEE Xplore.
- 出版物分为三个主要类别:病变定位/细分,病变识别和病变严重程度/区域评分.
主要成果:
- 鉴定并总结了过去10年关于ML在牛皮分析中的53篇相关出版物.
- 将ML应用分类为病变定位,识别和严重程度评分.
- 在牛皮分析中使用的详细的常见ML模型和数据集.
结论:
- 机器学习在改善牛皮的诊断和分析方面显示出显著的希望.
- 确定了牛皮ML的关键挑战和未来趋势.
- 该审查为人工智能驱动的皮肤学应用的未来研究和开发提供了基础.
更多相关视频
14:27Identification of Disease-related Spatial Covariance Patterns using Neuroimaging Data
Published on: June 26, 2013
15.6K
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
8.2K
