医学影像中的持续学习：综述与实用分析

深度学习在医学影像领域展现了巨大成功，但仍面临诸多挑战，阻碍其广泛应用。如灾难性遗忘（catastrophic forgetting）和持续演变数据流中的分布迁移（distribution shifts）增加了研究与实际应用之间的差距。持续学习（Continual Learning）通过使神经网络能够在不遗忘先前学习知识的前提下顺序获取新知识，为解决这些挑战提供了前景。 本综述系统回顾了近期医学领域持续学习的文献，概述最新趋势，指出实用问题。具体而言，我们综述了医学领域在分类、分割、检测等任务上的持续学习研究。进一步，我们构建了所查文献的分类框架，识别出挑战，并提供了克服这些挑战的见解。我们还批判性地讨论了医学影像中持续学习的当前状态，包括识别开放问题并勾勒出有前景的未来方向。我们希望本综述能为研究者提供该领域发展的实用概览，并进一步激发学界兴趣。为跟上该领域快速发展的步伐，我们计划定期更新仓库中最新相关论文，地址为 https://github.com/BioMedIA-MBZUAI/awesome-cl-in-medical。