医学成像中的基于深度学习的对象检测算法:系统审查

科学领域:

• 计算机科学 计算机科学
• 医疗成像医学成像
• 人工智能的人工智能

背景情况:

• 深度学习 (DL) 在各个领域取得了显著的进步,特别是在医疗图像分析中进行细分,检测和分类等任务.
• 基于DL的医疗成像对象识别正在获得吸引力,因为它有可能提高诊断准确性和效率.

研究的目的:

• 提供医疗图像中基于深度学习的对象识别的概述.
• 探索DL物体检测的最新方法,成像技术和解剖应用.
• 分析趋势并确定该领域的未来研究方向.

主要方法:

• 使用PRISMA指南进行系统的文献审查.
• 基于引用率的出版物的定量和定性分析.
• 检查DL对象检测在不同成像模式和解剖学领域的利用情况.

主要成果:

• 在医学成像中观察到基于DL的物体检测模型的使用量持续增加.
• 研究在美国,中国和日本最活跃,主要是在医学和计算机科学领域.
• DL方法具有适应性,应用于CR扫描,病理图像和内镜成像,在数字病理学和显微镜中具有显著的应用.

结论:

• 深度学习对象检测在医学图像分析中显示了重要的,但尚未开发的潜力.
• 不同的数据集大小,私人数据集的普及,以及前性研究的稀缺性都带来了挑战.
• 持续的研究和特定应用的优化对于推动医疗成像中的DL至关重要.