自动化肝组织勾画技术：机器学习当前趋势与未来方向的系统综述
图像与视频处理
2022-08-01 v2 计算机视觉与模式识别
机器学习
摘要
近年来，由于机器学习与计算机视觉技术具有自动化、适用性强以及能够生成惊人结果的能力，其发展十分迅速。因此，本文综述了 2014 年至 2022 年间发表的关键研究，展示了研究人员用于分割肝脏、肝肿瘤和肝血管结构的不同机器学习算法。我们根据关注的组织（肝实质、肝肿瘤或肝血管）对综述研究进行分类，并突出同时处理多个任务的研究。此外，机器学习算法被划分为有监督或无监督，若某一方案下的工作量显著则进一步细分。而且，文献及包含上述组织掩膜的网站中出现的不同数据集与挑战被详尽讨论，突出了组织者的原始贡献及其他研究人员的贡献。同时，综述中提及文献里过度使用的评价指标，强调其与当前任务的相关性。最后，强调了创新研究者亟待解决的关键挑战与未来方向，暴露出需要弥补的空白，例如血管分割挑战的研究稀缺，以及为何需尽早解决其缺失问题。
引用
@article{arxiv.2103.06384,
title = {Automated liver tissues delineation techniques: A systematic survey on machine learning current trends and future orientations},
author = {Ayman Al-Kababji and Faycal Bensaali and Sarada Prasad Dakua and Yassine Himeur},
journal= {arXiv preprint arXiv:2103.06384},
year = {2022}
}
备注
46 pages, 11 figures, 13 equations, 4 tables. A review paper on liver tissues segmentation based on automated ML-based techniques