論文の概要: Medical Image Segmentation Using Deep Learning: A Survey
- arxiv url: http://arxiv.org/abs/2009.13120v3
- Date: Wed, 22 Dec 2021 08:27:04 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-13 22:25:42.107108
- Title: Medical Image Segmentation Using Deep Learning: A Survey
- Title（参考訳）: ディープラーニングを用いた医用画像セグメンテーション:調査
- Authors: Risheng Wang, Tao Lei, Ruixia Cui, Bingtao Zhang, Hongying Meng and
Asoke K. Nandi
- Abstract要約: 本稿では,深層学習技術を用いた医用画像のセグメンテーションに関する包括的調査を行う。
我々は,現在普及している文献を,粗いものから細かいものまで多層構造に従って分類する。
教師付き学習アプローチでは,バックボーンネットワークの選択,ネットワークブロックの設計,損失関数の改良という3つの側面から文献を解析する。
- 参考スコア（独自算出の注目度）: 11.204127714820945
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Deep learning has been widely used for medical image segmentation and a large
number of papers has been presented recording the success of deep learning in
the field. In this paper, we present a comprehensive thematic survey on medical
image segmentation using deep learning techniques. This paper makes two
original contributions. Firstly, compared to traditional surveys that directly
divide literatures of deep learning on medical image segmentation into many
groups and introduce literatures in detail for each group, we classify
currently popular literatures according to a multi-level structure from coarse
to fine. Secondly, this paper focuses on supervised and weakly supervised
learning approaches, without including unsupervised approaches since they have
been introduced in many old surveys and they are not popular currently. For
supervised learning approaches, we analyze literatures in three aspects: the
selection of backbone networks, the design of network blocks, and the
improvement of loss functions. For weakly supervised learning approaches, we
investigate literature according to data augmentation, transfer learning, and
interactive segmentation, separately. Compared to existing surveys, this survey
classifies the literatures very differently from before and is more convenient
for readers to understand the relevant rationale and will guide them to think
of appropriate improvements in medical image segmentation based on deep
learning approaches.
- Abstract（参考訳）: 深層学習は医用画像のセグメンテーションに広く使われており、この分野における深層学習の成功を記録する論文が多数発表されている。
本稿では,深層学習手法を用いた医用画像のセグメンテーションに関する包括的テーマ調査を行う。
この論文は2つのオリジナルの貢献をする。
まず,医用画像のセグメンテーションにおける深層学習の文献を多くのグループに分割し,各グループについて詳細な文献を紹介する従来の調査と比較し,多層構造を粗いものから細かいものへと分類する。
第2に,従来の多くの調査で導入されており,現在普及していないため,教師なしの学習アプローチを含めることなく,教師付き・弱教師付き学習アプローチに焦点をあてる。
教師付き学習アプローチでは,バックボーンネットワークの選択,ネットワークブロックの設計,損失関数の改良という3つの側面から文献を解析する。
弱い教師付き学習アプローチでは,データ拡張,転送学習,対話的セグメンテーションによって文学を別々に検討する。
既存の調査と比較した場合,本調査は文献の分類が従来と大きく異なるため,関連する理論的根拠を読者が理解しやすく,深層学習アプローチに基づいた医用画像分割の適切な改善を考えるよう指導する。
関連論文リスト
- Biomedical Image Segmentation: A Systematic Literature Review of Deep Learning Based Object Detection Methods [1.0043008463279772]
深層学習に基づく物体検出法は、バイオメディカルイメージセグメンテーションに一般的に用いられている。
既存の調査では、標準化されたアプローチやより広範なセグメンテーション技術に重点を置いていないことが多い。
これらの手法を批判的に分析し,課題を特定し,今後の方向性について考察した。
このSLRは、研究コミュニティにこれらのセグメンテーションモデルについて素早く深く理解することを目的としています。
論文 参考訳（メタデータ） (2024-08-06T18:38:55Z) - Deep Learning for Pancreas Segmentation: a Systematic Review [0.5714074111744111]
膵分離のための多くの深層学習モデルが近年提案されている。
腹部CTにて小径の膵分画が困難であった。
論文 参考訳（メタデータ） (2024-07-23T09:05:23Z) - Multi-task Explainable Skin Lesion Classification [54.76511683427566]
少ないラベル付きデータでよく一般化する皮膚病変に対する数発のショットベースアプローチを提案する。
提案手法は,アテンションモジュールや分類ネットワークとして機能するセグメンテーションネットワークの融合を含む。
論文 参考訳（メタデータ） (2023-10-11T05:49:47Z) - Data efficient deep learning for medical image analysis: A survey [9.385936248154987]
深層学習の急速な進化は、医用画像解析の分野を大きく進歩させた。
医用画像解析のためのディープラーニングモデルのさらなる強化は、大規模で注釈の付いたデータセットが不足しているため、大きな課題に直面している。
本稿では,医用画像解析のためのデータ効率の高い深層学習手法について,徹底的に検討する。
論文 参考訳（メタデータ） (2023-10-10T12:13:38Z) - A Systematic Review of Few-Shot Learning in Medical Imaging [1.049712834719005]
少ないショットの学習技術は、データの不足を減らし、医療画像分析を強化する。
この体系的なレビューは、医療画像における数ショット学習の概要を包括的に示すものである。
論文 参考訳（メタデータ） (2023-09-20T16:10:53Z) - Towards more precise automatic analysis: a comprehensive survey of deep
learning-based multi-organ segmentation [9.673055783655906]
本論は, この分野における最新の研究を体系的にまとめたものである。
完全かつ不完全なアノテーションの観点から,深層学習に基づく多臓器セグメンテーションに関する161の研究をコンパイルした。
論文 参考訳（メタデータ） (2023-03-01T04:52:49Z) - Deep Long-Tailed Learning: A Survey [163.16874896812885]
ディープ・ロングテール・ラーニング(Deep Long-tailed Learning)は、長いテールのクラス分布に追従する多数の画像から、優れたパフォーマンスのディープモデルをトレーニングすることを目的としている。
長い尾を持つクラス不均衡は、現実的な視覚認識タスクにおいて一般的な問題である。
本稿では,近年の長期学習の進歩を包括的に調査する。
論文 参考訳（メタデータ） (2021-10-09T15:25:22Z) - A Survey on Text Classification: From Shallow to Deep Learning [83.47804123133719]
過去10年は、ディープラーニングが前例のない成功を収めたために、この分野の研究が急増している。
本稿では,1961年から2021年までの最先端のアプローチを見直し,そのギャップを埋める。
特徴抽出と分類に使用されるテキストとモデルに基づいて,テキスト分類のための分類を作成する。
論文 参考訳（メタデータ） (2020-08-02T00:09:03Z) - Weakly supervised multiple instance learning histopathological tumor
segmentation [51.085268272912415]
スライド画像全体のセグメント化のための弱教師付きフレームワークを提案する。
トレーニングモデルに複数のインスタンス学習スキームを利用する。
提案するフレームワークは,The Cancer Genome AtlasとPatchCamelyonデータセットのマルチロケーションとマルチ中心公開データに基づいて評価されている。
論文 参考訳（メタデータ） (2020-04-10T13:12:47Z) - Confident Coreset for Active Learning in Medical Image Analysis [57.436224561482966]
本稿では,情報的サンプルを効果的に選択するための,不確実性と分散性を考慮した新しい能動的学習手法である信頼コアセットを提案する。
2つの医用画像解析タスクの比較実験により,本手法が他の活動的学習方法より優れていることを示す。
論文 参考訳（メタデータ） (2020-04-05T13:46:16Z) - Image Segmentation Using Deep Learning: A Survey [58.37211170954998]
イメージセグメンテーションは、画像処理とコンピュータビジョンにおいて重要なトピックである。
深層学習モデルを用いた画像セグメンテーション手法の開発を目的とした研究が,これまでに数多く行われている。
論文 参考訳（メタデータ） (2020-01-15T21:37:47Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。