医学影像中的深度强化学习：文献综述
图像与视频处理
2021-03-10 v1 计算机视觉与模式识别
机器学习
摘要
深度强化学习（DRL）增强了强化学习框架——该框架学习最大化期望奖励的动作序列——并赋予深度神经网络的表征能力。近期工作已展示 DRL 在医学和医疗保健中的巨大潜力。本文呈现了医学影像中 DRL 的文献综述。我们从全面的 DRL 教程开始，包括最新的无模型和有模型算法。随后我们涵盖现有的医学影像 DRL 应用，大致分为三个主要类别：(I) 参数化医学图像分析任务，包括 landmark 检测、物体/病灶检测、配准和视图平面定位；(ii) 解决优化任务，包括超参数调优、选择增强策略和神经架构搜索；以及 (iii) 其他应用，包括手术手势分割、个性化移动健康干预和计算模型个性化。本文以对未来前景的讨论作结。
引用
@article{arxiv.2103.05115,
title = {Deep reinforcement learning in medical imaging: A literature review},
author = {S. Kevin Zhou and Hoang Ngan Le and Khoa Luu and Hien V. Nguyen and Nicholas Ayache},
journal= {arXiv preprint arXiv:2103.05115},
year = {2021}
}
备注
39 pages, 20 figures