用于乳腺癌检测的人工智能：趋势与方向
图像与视频处理
2022-01-10 v1 计算机视觉与模式识别
机器学习
摘要
在过去十年中，计算机视觉与人工智能（AI）领域的研究人员加大了力度，致力于提出不仅能检测还能识别乳腺癌分期的自动化框架。这一研究方向活动激增的主要原因在于：鲁棒AI算法（深度学习）的出现、能够训练这些鲁棒且复杂AI算法的硬件的可用性，以及训练AI算法所需足够大规模数据集的可及性。研究人员为自动化乳腺癌检测任务所利用的不同成像模态包括乳腺X线摄影、超声、磁共振成像、组织病理学图像或其任意组合。本文分析了这些成像模态，介绍了它们的优势与局限，并列举了可用于研究的数据集获取资源。随后，本文总结了过去十年中提出的基于AI与计算机视觉、利用多种成像模态检测乳腺癌的SOTA方法。总体而言，本文侧重于回顾以乳腺X线摄影报告结果的框架，因为该模态是应用最广泛的乳腺成像方式，通常作为临床医生为检测乳腺癌所开具的首要检查。聚焦乳腺X线摄影成像模态的第二个原因是其带标签数据集的可获得性。数据集可用性是开发基于AI框架的最重要方面之一，因为此类算法对数据需求量大，且数据集质量通常影响基于AI算法的性能。简而言之，本研究文章将作为自动化乳腺影像分析领域研究界的主要资源。
引用
@article{arxiv.2110.00942,
title = {Artificial Intelligence For Breast Cancer Detection: Trends & Directions},
author = {Shahid Munir Shah and Rizwan Ahmed Khan and Sheeraz Arif and Unaiza Sajid},
journal= {arXiv preprint arXiv:2110.00942},
year = {2022}
}