用于计算组织病理学的深度神经网络模型：综述
图像与视频处理
2020-10-28 v2 计算机视觉与模式识别
机器学习
摘要
组织病理学图像包含丰富的表型信息，可用于监测导致疾病进展和患者生存结局的潜在机制。近年来，深度学习已成为分析和解释癌症组织学图像的主流方法选择。在本文中，我们对用于组织病理学图像分析的最先进深度学习方法进行了全面综述。通过对130余篇论文的调研，我们基于不同机器学习策略（如监督、弱监督、无监督、迁移学习及其各种子变体）的方法学层面回顾了该领域的进展。我们还概述了适用于疾病特异性预后任务的基于深度学习的生存模型。最后，我们总结了若干现有公开数据集，并强调了当前深度学习方法的关键挑战与局限，以及未来研究的可能方向。
引用
@article{arxiv.1912.12378,
title = {Deep neural network models for computational histopathology: A survey},
author = {Chetan L. Srinidhi and Ozan Ciga and Anne L. Martel},
journal= {arXiv preprint arXiv:1912.12378},
year = {2020}
}
备注
Published in Medical Image Analysis, Vol. 67, Jan 2021. (10.1016/j.media.2020.101813)