儿科胸部X射线研究议程：深度学习是否仍处童年阶段？
其他计算机科学
2020-10-08 v2
摘要
胸部X射线在支持儿科患者临床分析与早期疾病检测方面发挥着重要作用，其原因包括低成本、高分辨率、低辐射水平和高可及性等多方面。过去十年中，深度学习（DL）受到计算机辅助诊断研究界特别关注，其性能超越了诸多技术的现有最优水平，包括应用于儿科胸部X射线（PCXR）的技术。鉴于这一日益增长的研究兴趣，大量高质量二次研究也随之出现，综述了机器学习与DL算法在医学影像尤其是PCXR上的应用。然而，这些二次研究遵循不同指南，阻碍了第三方基于所识别趋势与空白进行复现或改进。本文针对应用于PCXR图像的DL技术提出了一项初级研究的“深度放射造影”。我们制定了一套系统性文献映射（SLM）方案，包括在六个数据源上自动检索2010年1月1日至2020年5月20日发表的研究，以及对百篇研究论文所采用的筛选标准。作为结果，本文对二十六项相关研究进行了分类，并提供了一份研究议程，突出DL在PCXR图像中应用的局限性、空白与进一步研究的趋势。除该研究方向尚无系统性映射研究这一事实外，据作者所知，本工作以可复现的方式组织了相关研究的查找与筛选以及数据收集与综合过程。
引用
@article{arxiv.2007.11369,
title = {A Research Agenda on Pediatric Chest X-Ray: Is Deep Learning Still in Childhood?},
author = {Afonso U. Fonseca and Gabriel S. Vieira and Fabrízzio A. A. M. N. Soares and Renato F. Bulcão-Neto},
journal= {arXiv preprint arXiv:2007.11369},
year = {2020}
}
备注
16 pages, 11 figures, 11 tables