使用深度学习和医学成像早期发现癌症:一项调查
Istiak Ahmad1, Fahad Alqurashi2
1Department of Computer Science, Faculty of Computing and Information Technology, King Abdulaziz University, Jeddah 21589, Saudi Arabia; School of Information and Communication Technology, Griffith University, Queensland 4111, Australia.
Critical reviews in oncology/hematology
|October 16, 2024
概括
这项综合性调查审查了99篇关于使用医学成像进行自动化癌症检测方法的文章. 它涵盖了12种癌症类型,并强调了深度学习技术,以改善诊断.
科学领域:
- 医学成像和人工智能 医学成像和人工智能
- 瘤学和诊断技术的发展
背景情况:
- 手动解释医疗图像用于癌症检测是主观的,耗时的.
- 自动化决策过程对于提高癌症诊断准确性和效率至关重要.
- 现有的调查往往侧重于特定的癌症或有限的检测技术.
研究的目的:
- 提供关于自动化癌症检测方法的全面调查.
- 审查医学成像和用于瘤学的人工智能的最新进展.
- 确定癌症检测的研究挑战和未来方向.
主要方法:
- 系统审查来自Web of Science,IEEE和Scopus (2020-2024) 的99篇研究文章.
- 分析包括医学成像,图像预处理,细分,特征提取,深度学习和转移学习在内的技术.
- 包括涵盖12种主要癌症类型的研究.
主要成果:
- 详细讨论各种癌症检测技术及其应用.
- 最近研究中使用的数据集,方法和评估指标的摘要.
- 识别癌症自动检测中常见的研究挑战和局限性.
结论:
- 自动化方法,特别是深度学习,显示出改善癌症检测的重大前景.
- 需要进一步的研究来解决目前的局限性,并提高这些技术的稳定性.
- 未来的方向包括开发更普遍的模型和改进数据标准化.
更多相关视频
07:15Machine Learning Algorithms for Early Detection of Bone Metastases in an Experimental Rat Model
Published on: August 16, 2020
6.7K
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