用于磁共振脑图像分析的深度卷积神经网络：综述
计算机视觉与模式识别
2019-07-30 v3
摘要
近年来，深度卷积神经网络（CNNs）在各种计算机视觉问题中展现出破纪录的性能，如视觉目标识别、检测与分割。这些方法也被应用于医学图像分析领域的病灶分割、解剖分割与分类。我们针对应用于脑磁共振成像（MRI）分析的 CNN 技术进行了广泛的文献综述，重点关注这些工作中可用的架构、预处理、数据准备与后处理策略。本研究的目的有三方面。我们的首要目标是报告不同 CNN 架构如何演变，讨论最先进（SOTA）策略，凝练其使用公共数据集获得的结果，并审视其优缺点。其次，本文旨在成为深度 CNN 用于脑 MRI 分析研究活动的详细参考。最后，我们提出了对 CNN 未来的展望，其中暗示了随后几年的若干研究方向。
引用
@article{arxiv.1712.03747,
title = {Deep convolutional neural networks for brain image analysis on magnetic resonance imaging: a review},
author = {Jose Bernal and Kaisar Kushibar and Daniel S. Asfaw and Sergi Valverde and Arnau Oliver and Robert Martí and Xavier Lladó},
journal= {arXiv preprint arXiv:1712.03747},
year = {2019}
}