深度学习技术在基于磁共振成像的自动化多发性硬化检测中的应用：综述
图像与视频处理
2021-09-01 v2 计算机视觉与模式识别
摘要
多发性硬化（MS）是一种脑部疾病，会给患者带来视觉、感觉和运动方面的问题，并对神经系统功能产生有害影响。迄今为止，已提出多种筛查方法来诊断 MS，其中磁共振成像（MRI）受到了医生的广泛关注。MRI 模态为医生提供有关大脑结构和功能的基本信息，这对于快速诊断 MS 病灶至关重要。使用 MRI 诊断 MS 耗时、繁琐且容易出现人工误差。因此，近年来基于人工智能（AI）方法的计算机辅助诊断系统（CADS）被提出，用于利用 MRI 神经成像模态准确诊断 MS。在 AI 领域，自动化 MS 诊断正通过（i）传统机器学习和（ii）深度学习（DL）技术进行。传统机器学习方法基于试错式的特征提取与选择。在 DL 中，这些步骤由 DL 模型自身完成。本文对使用 DL 技术与 MRI 神经成像模态实现的自动化 MS 诊断方法进行了全面综述，并对每项工作进行了深入评述与讨论。最后，详细给出了基于 DL 技术结合 MRI 模态的自动化 MS 诊断中最关键的挑战与未来方向。
引用
@article{arxiv.2105.04881,
title = {Applications of Deep Learning Techniques for Automated Multiple Sclerosis Detection Using Magnetic Resonance Imaging: A Review},
author = {Afshin Shoeibi and Marjane Khodatars and Mahboobeh Jafari and Parisa Moridian and Mitra Rezaei and Roohallah Alizadehsani and Fahime Khozeimeh and Juan Manuel Gorriz and Jónathan Heras and Maryam Panahiazar and Saeid Nahavandi and U. Rajendra Acharya},
journal= {arXiv preprint arXiv:2105.04881},
year = {2021}
}