对基于卷积神经网络的医学图像分类方法的审查
Chao Chen1, Nor Ashidi Mat Isa2, Xin Liu2
1School of Electrical and Electronic Engineering, Engineering Campus, Universiti Sains Malaysia, 14300, Nibong Tebal, Pulau Pinang, Malaysia; School of Automation and Information Engineering, Sichuan University of Science and Engineering, Yibin, 644000, China.
Computers in biology and medicine
|December 4, 2024
概括
本综述分析了用于医学图像分类的卷积神经网络 (CNN),详细介绍了转移学习和预处理等技术. 虽然有效,但临床整合仍然面临挑战.
科学领域:
- 人工智能的人工智能
- 医疗成像医学成像
- 计算机科学 计算机科学
背景情况:
- 卷积神经网络 (CNN) 在医学图像分类方面显示出显著的前景.
- 该领域需要对当前基于CNN的方法及其应用进行系统的概述.
研究的目的:
- 系统地审查和分析基于CNN的医学图像分类方法.
- 提供对这一领域的关键技术和挑战的深入概述.
主要方法:
- 在医学图像分类中对CNN最近发表的149篇论文进行系统的文献审查.
- 分析CNN开发,数据预处理,转移学习,架构和可解释性.
主要成果:
- 确定了提高分类准确性和效率的关键CNN技术.
- 总结了主要的公共数据集,用于使用CNN进行疾病分类.
- 突出了CNN性能和临床应用之间的差距.
结论:
- 医疗图像分析的CNN具有巨大的潜力,但面临着实施障碍.
- 未来的研究应该专注于解决这些挑战,以实现无的临床整合.
- 这一审查有助于研究人员,并促进智能医疗系统的深度学习.
