MRI 图像、脑损伤与深度学习
图像与视频处理
2021-01-15 v2 计算机视觉与模式识别
机器学习
神经元与认知
摘要
医学脑图像分析是计算机辅助诊断（CAD）系统中的必要步骤。过去几年中硬件与软件的进步使得各类疾病的分割与分类得以改善。在本工作中，我们综述了关于脑 MRI 图像中白质高信号（WMHs）尤其是缺血性卒中与脱髓鞘疾病病例的分类、识别与检测的系统和算法的已发表文献。筛选标准上，我们采用了文献计量网络。在总计 140 篇文献中，我们选出 38 篇涉及本研究主要目标的文章。基于对所修订文献的分析与讨论，深度学习新模型的研究与提出持续增长，以实现缺血性与脱髓鞘病变分割的最高精度与可靠性。发现了具有指标（Dice 分数，DSC：0.99）的模型，然而由于使用小数据集且缺乏可重复性，其实用性有限。因此，主要结论是建立多学科研究小组，以克服 CAD 进展与其在临床环境中充分应用之间的鸿沟。
引用
@article{arxiv.2101.05091,
title = {MRI Images, Brain Lesions and Deep Learning},
author = {Darwin Castillo and Vasudevan Lakshminarayanan and Maria J. Rodriguez-Alvarez},
journal= {arXiv preprint arXiv:2101.05091},
year = {2021}
}
备注
Submitted to: Computer Programs and Methods in Biomedicine update (2021)