医学图像的深度互动细分:系统性审查和分类学

科学领域:

• 医学图像分析 医学图像分析
• 计算机视觉 计算机视觉
• 人工智能的人工智能

背景情况:

• 交互式细分通过整合人类反 (点击,涂,面具) 来提高医疗图像注释效率.
• 深度学习方法在该领域取得了重大进展,在医学成像中开发了超过121种方法.
• 该领域正在迅速发展,需要对当前实践进行结构化的概述和分析.

研究的目的:

• 为医疗成像中的交互式细分提供结构化的概述.
• 提出一个全面的分类学和现有方法的系统审查.
• 分析当前的做法,确定挑战和机遇.

主要方法:

• 医学成像中的交互式细分方法的系统文献综述.
• 开发一个全面的分类系统来分类现有方法.
• 对当前实践进行深入分析,包括反机制和深度学习集成.

主要成果:

• 发现了基于深度学习的交互式细分方法的快速扩散.
• 详细列出了全面的分类学,并审查了121种拟议的方法.
• 突出了不同方法之间显著缺乏标准化的比较.

结论:

• 交互式细分是医学图像分析的一个重要领域,由深度学习的进步驱动.
• 需要标准化的基线和基准来促进方法比较.
• 解决缺乏比较研究的问题对于该领域的未来进展至关重要.