基于深度学习方法的结肠直肠多片细分:系统性审查
Xin Liu1, Nor Ashidi Mat Isa1, Chao Chen1,2
1School of Electrical and Electronic Engineering, Engineering Campus, Universiti Sains Malaysia, Pulau Pinang 14300, Malaysia.
Journal of imaging
|September 26, 2025
概括
本综述系统地分析了聚细分方法,这对于早期发现结肠直肠癌至关重要. 它涵盖了深度学习,Mamba和视频技术,评估了44个模型和数据集.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 在瘤学瘤学.
背景情况:
- 大肠直肠癌是全球领先的恶性瘤.
- 早期检测和评估是预防癌症的关键.
- 聚合物细分有助于有针对性的治疗计划.
研究的目的:
- 系统地审查和分析多细分方法.
- 提供深度学习,Mamba和视频细分技术的概述.
- 评估模型性能并讨论聚合物细分的未来趋势.
主要方法:
- 对146篇论文 (2018-2024) 的系统文献综述.
- 分析深度学习,Mamba和基于视频的多片细分架构.
- 使用标准指标对44个细分模型的性能评估.
主要成果:
- 详细分析了多片细分技术的演变.
- 关于当前的深度学习和基于Mamba的方法的全面概述.
- 评估各种模型的细分性能和实时功能.
结论:
- 息肉细分是一个快速发展的领域,具有重大临床影响.
- 深度学习和像Mamba这样的新兴方法显示出提高准确性的承诺.
- 需要进一步的研究来应对当前的挑战,并探索未来的趋势.

