从经典方法到深度学习辅助决策支持的肺结节诊断演进：三十载发展历程与未来展望
计算机视觉与模式识别
2020-04-27 v3 机器学习
摘要
肺癌是全球癌症死亡的最常见原因，通过早期诊断和筛查可显著降低其死亡率。自 20 世纪 60 年代以来，在准确有效解读每日产生的大量胸部影像的迫切需求驱动下，计算机辅助肺结节诊断开辟了新机遇，以缓解医生主观性、经验与疲劳带来的局限。而可靠且可负担的计算机辅助诊断的公平获取将消除人群间发病率与死亡率的不平等。自 20 世纪 80 年代以来已取得显著非凡进展，为应对以高灵敏度、低假阳性率准确检测肺结节以及精准区分良恶性结节的重大挑战，持续付出了不懈努力。目前缺乏对该技术演进——将肺结节诊断从经典方法推进至机器学习辅助决策支持——的全面考察。本研究的主要目标是提供对三十余年来发展的计算机辅助结节检测与良恶性分类技术的全面前沿综述，这些技术已从传统方法复杂的特设分析流程演进为简化的无缝集成深度学习技术。本综述亦识别挑战并凸显未来工作在学习模型、学习算法与增强方案上的机遇，以弥合当前状态与未来前景并满足未来需求。
引用
@article{arxiv.1901.07858,
title = {Evolving the pulmonary nodules diagnosis from classical approaches to deep learning aided decision support: three decades development course and future prospect},
author = {Bo Liu and Wenhao Chi and Xinran Li and Peng Li and Wenhua Liang and Haiping Liu and Wei Wang and Jianxing He},
journal= {arXiv preprint arXiv:1901.07858},
year = {2020}
}
备注
We have substantially revised the article. The previous version had 74 pages and 2 figures, and the lateset version had 66 pages and 6 figures