医学深度学习——一项系统性元综述
图像与视频处理
2022-05-19 v5 计算机视觉与模式识别
机器学习
摘要
近年来，深度学习（DL）对多个不同的科学学科产生了显著影响。例如，在图像处理与分析中，DL算法能够超越其他前沿方法。此外，DL在自动驾驶等任务中取得了最先进的成果，优于以往的尝试。甚至在部分情形下DL超越了人类，如目标识别与博弈。DL在医学领域也展现出巨大潜力。随着大量患者记录与数据的收集，以及个性化治疗的趋势，对医疗信息自动化且可靠的处理与分析存在巨大需求。患者数据不仅在临床中心（如医院与私人诊所）收集，也通过移动医疗应用或在线网站获取。所收集患者数据的丰富性以及DL领域的近期增长导致了研究投入的大幅增加。2020年第二季度，搜索引擎PubMed对检索词“deep learning”已返回超过11,000条结果，其中约90%的文献来自过去三年。然而，尽管PubMed是医学领域最大的搜索引擎，它并未涵盖所有医学相关出版物。因此，几乎不可能获得“医学深度学习”领域的完整概览，且获取医学子领域的全面概览正变得愈发困难。尽管如此，过去几年已发表若干关于医学DL的综述与调查文章。它们通常聚焦于特定医学场景，如包含特定病理的医学图像分析。以这些综述为基础，本文旨在提供首个医学DL综述的高层系统性元综述。
引用
@article{arxiv.2010.14881,
title = {Medical Deep Learning -- A systematic Meta-Review},
author = {Jan Egger and Christina Gsaxner and Antonio Pepe and Kelsey L. Pomykala and Frederic Jonske and Manuel Kurz and Jianning Li and Jens Kleesiek},
journal= {arXiv preprint arXiv:2010.14881},
year = {2022}
}
备注
22 pages, 7 figures, 7 tables, 159 references. Computer Methods and Programs in Biomedicine (CMPB), Elsevier, May 2022