深度学习时代的结直肠息肉分割：综合综述
计算机视觉与模式识别
2024-01-23 v1
摘要
结直肠息肉分割（CPS）是医学图像分析中的一个重要问题，已获得越来越多的研究关注。近年来，基于深度学习的方法在CPS领域完全超越了传统方法，越来越多的深度CPS方法涌现，将CPS带入了深度学习时代。为了帮助研究人员快速掌握深度CPS的主要技术、数据集、评估指标、挑战和趋势，本文对2014年至2023年间的深度学习CPS方法进行了系统全面的综述，共涵盖115篇技术论文。具体而言，我们首先以新颖的分类法对当前深度CPS进行了全面综述，包括网络架构、监督级别和学习范式。更具体地说，网络架构包括八个子类别，监督级别包括六个子类别，学习范式包括十二个子类别，总共二十六个子类别。然后，我们对每个数据集的特征进行了全面分析，包括数据集数量、标注类型、图像分辨率、息肉大小、对比度值和息肉位置。接着，我们总结了CPS常用的评估指标，并对40个深度SOTA模型进行了详细分析，包括分布外泛化和基于属性的性能分析。最后，我们讨论了基于深度学习的CPS方法的主要挑战和机遇。
引用
@article{arxiv.2401.11734,
title = {Colorectal Polyp Segmentation in the Deep Learning Era: A Comprehensive Survey},
author = {Zhenyu Wu and Fengmao Lv and Chenglizhao Chen and Aimin Hao and Shuo Li},
journal= {arXiv preprint arXiv:2401.11734},
year = {2024}
}
备注
21 pages, 8 figures