深度学习在息肉分割中的研究综述：技术、挑战与未来趋势
计算机视觉与模式识别
2025-01-22 v3
摘要
息肉的早期检测与评估在结直肠癌(CRC)的预防和治疗中起着关键作用。息肉分割提供了一种有效方案，可辅助临床医生准确识别和分割息肉区域。过去，人们常依赖颜色、纹理、形状等人工提取的低层特征，这类方法在捕捉全局上下文方面常存在问题，且对复杂场景缺乏鲁棒性。随着深度学习的出现，越来越多基于深度学习网络的优秀医学图像分割算法涌现，在该领域取得了显著进展。本文对息肉分割算法进行了全面综述。我们首先回顾了一些基于人工提取特征的传统算法和深度分割算法，随后详细介绍了相关的基准数据集。具体而言，我们基于息肉尺寸对近期深度学习模型与结果进行了综合评估，同时考量了研究主题的痛点与网络结构的差异。最后，我们讨论了息肉分割面临的挑战及该领域的未来趋势。我们收集的模型、基准数据集及源代码链接均已发布于 https://github.com/taozh2017/Awesome-Polyp-Segmentation。
引用
@article{arxiv.2311.18373,
title = {A Survey on Deep Learning for Polyp Segmentation: Techniques, Challenges and Future Trends},
author = {Jiaxin Mei and Tao Zhou and Kaiwen Huang and Yizhe Zhang and Yi Zhou and Ye Wu and Huazhu Fu},
journal= {arXiv preprint arXiv:2311.18373},
year = {2025}
}
备注
Have been published in Visual Intelligence