基于深度学习的自动肝脏细分的挑战和解决方案:系统性审查
Vahideh Ghobadi1, Luthffi Idzhar Ismail1, Wan Zuha Wan Hasan1
1Faculty of Engineering, Universiti Putra Malaysia, Serdang, 43400, Selangor, Malaysia.
Computers in biology and medicine
|December 6, 2024
概括
这项研究回顾了医疗成像肝脏细分的深度学习挑战. 它分析了88篇文章,以确定改善疾病治疗中肝脏细分精度的解决方案.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 计算机视觉 计算机视觉
背景情况:
- 在医学图像中精确的肝脏细分对于诊断和治疗肝脏疾病至关重要.
- 深度学习模型广泛用于肝脏细分,但面临着重大挑战.
- 现有的研究已经探索了各种修改,以解决这些细分困难.
研究的目的:
- 系统地分析基于深度学习的肝脏细分所遇到的挑战.
- 识别和分类先前研究中提出的修改和改进,以克服这些挑战.
- 为改善肝脏细分精度提供解决方案的全面概述.
主要方法:
- 2016年1月至2022年1月间发表的88篇文章的系统文献综述.
- 这些文章来源于Scopus和ScienceDirect数据库.
- 挑战被分为五个主要类别和子类别,并对每一个提出的解决方案进行了调查.
主要成果:
- 肝脏细分的挑战被分类,揭示了需要先进技术的特定领域.
- 确定了各种网络模型修改和增强策略作为解决方案.
- 编制了作者,出版年份,数据集,成像技术和评估指标的详细比较.
结论:
- 了解和应对已识别的挑战是推动肝脏细分深度学习的关键.
- 该审查为寻求有效策略来提高肝脏细分精度的研究人员提供了宝贵的资源.
- 未来的研究可以基于这些已识别的解决方案来开发更强大,更精确的肝脏细分方法.
