基于深度学习的医学图像分割：综述
图像与视频处理
2022-01-19 v3 计算机视觉与模式识别
摘要
深度学习已广泛用于医学图像分割，大量论文记录了深度学习在该领域的成功。本文对使用深度学习技术的医学图像分割进行了全面的主题性综述。本文做出两点原创贡献。首先，相较于传统综述直接将医学图像分割的深度学习文献划分为许多组并逐一详细介绍，我们依据从粗到细的多级结构对当前流行文献进行分类。其次，本文聚焦于监督与弱监督学习方法，未包含无监督方法，因其已在诸多旧综述中介绍且当前不流行。对于监督学习方法，我们从骨干网络选择、网络块设计及损失函数改进三方面分析文献。对于弱监督学习方法，我们分别依据数据增强、迁移学习与交互式分割考察文献。与现有综述相比，本综述对文献的分类方式迥异于以往，更便于读者理解相关原理，并指导其基于深度学习方法思考医学图像分割的恰当改进。
引用
@article{arxiv.2009.13120,
title = {Medical Image Segmentation Using Deep Learning: A Survey},
author = {Risheng Wang and Tao Lei and Ruixia Cui and Bingtao Zhang and Hongying Meng and Asoke K. Nandi},
journal= {arXiv preprint arXiv:2009.13120},
year = {2022}
}