論文の概要: Colorectal Polyp Segmentation in the Deep Learning Era: A Comprehensive Survey

• arxiv url: http://arxiv.org/abs/2401.11734v1
• Date: Mon, 22 Jan 2024 07:23:44 GMT
• ステータス: 処理完了
• システム内更新日: 2024-01-23 14:59:48.074621
• Title: Colorectal Polyp Segmentation in the Deep Learning Era: A Comprehensive Survey
• Title（参考訳）: 深層学習時代の大腸ポリープ分画 : 包括的調査
• Authors: Zhenyu Wu, Fengmao Lv, Chenglizhao Chen, Aimin Hao, Shuo Li
• Abstract要約: 本稿では,2014年から2023年にかけてのディープラーニングに基づくCPS手法の体系的,包括的レビューを行う。 まず、ネットワークアーキテクチャ、監視レベル、学習パラダイムを含む新しい分類法を用いて、現在の深部CPSの包括的なレビューを行う。 その後、CPSの一般的な評価指標を要約し、40種類の深部SOTAモデルの詳細な分析を行った。
• 参考スコア（独自算出の注目度）: 53.39392897237347
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Colorectal polyp segmentation (CPS), an essential problem in medical image analysis, has garnered growing research attention. Recently, the deep learning-based model completely overwhelmed traditional methods in the field of CPS, and more and more deep CPS methods have emerged, bringing the CPS into the deep learning era. To help the researchers quickly grasp the main techniques, datasets, evaluation metrics, challenges, and trending of deep CPS, this paper presents a systematic and comprehensive review of deep-learning-based CPS methods from 2014 to 2023, a total of 115 technical papers. In particular, we first provide a comprehensive review of the current deep CPS with a novel taxonomy, including network architectures, level of supervision, and learning paradigm. More specifically, network architectures include eight subcategories, the level of supervision comprises six subcategories, and the learning paradigm encompasses 12 subcategories, totaling 26 subcategories. Then, we provided a comprehensive analysis the characteristics of each dataset, including the number of datasets, annotation types, image resolution, polyp size, contrast values, and polyp location. Following that, we summarized CPS's commonly used evaluation metrics and conducted a detailed analysis of 40 deep SOTA models, including out-of-distribution generalization and attribute-based performance analysis. Finally, we discussed deep learning-based CPS methods' main challenges and opportunities.
• Abstract（参考訳）: 医用画像解析における必須問題である大腸ポリープ分画(cps)は研究の注目を集めている。 近年,深層学習モデルがCPSの分野において従来の手法を完全に圧倒し,より深いCPS手法が出現し,CPSが深層学習の時代に入った。 深層cpsの主な技術、データセット、評価指標、課題、トレンドを迅速に把握するために、2014年から2023年までのディープラーニングベースのcps法の体系的かつ包括的なレビューを行い、合計115の技術的論文について述べる。 特に,我々はまず,ネットワークアーキテクチャ,監視レベル,学習パラダイムを含む新しい分類法を用いて,現在の深層cpsの包括的レビューを行った。 具体的には、ネットワークアーキテクチャは8つのサブカテゴリを含み、監視レベルは6つのサブカテゴリで構成され、学習パラダイムは合計26のサブカテゴリを含む12のサブカテゴリを含んでいる。 次に,データセット数,アノテーションタイプ,画像解像度,ポリプサイズ,コントラスト値,ポリプ位置など,各データセットの特徴を包括的に分析した。 その後、CPSの一般的な評価指標を要約し、分布外一般化や属性に基づく性能解析を含む40の深部SOTAモデルの詳細な分析を行った。 最後に,深層学習に基づくCPS手法の主な課題と可能性について議論した。

関連論文リスト

• 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)
• CDIMC-net: Cognitive Deep Incomplete Multi-view Clustering Network [53.72046586512026]
  我々は,認知的深層不完全多視点クラスタリングネットワーク(CDIMC-net)という,新しい不完全多視点クラスタリングネットワークを提案する。 ビュー固有のディープエンコーダとグラフ埋め込み戦略をフレームワークに組み込むことで、各ビューの高レベルな特徴とローカル構造をキャプチャする。 人間の認知、すなわち、簡単からハードに学ぶことに基づいて、モデルトレーニングのための最も自信あるサンプルを選択するための自己評価戦略を導入する。
  論文  参考訳（メタデータ） (2024-03-28T15:45:03Z)
• A Survey on Deep Learning for Polyp Segmentation: Techniques, Challenges and Future Trends [41.267545810720044]
  大腸癌予防・治療におけるポリープの早期検出と評価 昔は、色、テクスチャ、形などの手作業で抽出した下品な特徴に頼っていた。 ディープラーニングの出現に伴い、より優れた医療画像分割アルゴリズムが出現している。
  論文  参考訳（メタデータ） (2023-11-30T09:14:37Z)
• 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 Clustering: A Comprehensive Survey [53.387957674512585]
  クラスタリング分析は、機械学習とデータマイニングにおいて必須の役割を果たす。 ディープ・クラスタリングは、ディープ・ニューラルネットワークを使ってクラスタリングフレンドリーな表現を学習することができるが、幅広いクラスタリングタスクに広く適用されている。 ディープクラスタリングに関する既存の調査は、主にシングルビューフィールドとネットワークアーキテクチャに焦点を当てており、クラスタリングの複雑なアプリケーションシナリオを無視している。
  論文  参考訳（メタデータ） (2022-10-09T02:31:32Z)
• Skin Lesion Analysis: A State-of-the-Art Survey, Systematic Review, and Future Trends [3.565012455354754]
  この記事は2011年から2020年にかけて発行された最先端CAD技術の完全な文献レビューを提供する。 初心者から専門家まで、あらゆるレベルの研究者を指導し、皮膚病変分析のための自動化された堅牢なCADシステムを開発する。
  論文  参考訳（メタデータ） (2022-08-25T17:31:15Z)
• A Comprehensive Survey on Deep Clustering: Taxonomy, Challenges, and Future Directions [48.97008907275482]
  クラスタリングは、文献で広く研究されている基本的な機械学習タスクである。 ディープクラスタリング(Deep Clustering)、すなわち表現学習とクラスタリングを共同で最適化する手法が提案され、コミュニティで注目を集めている。 深層クラスタリングの本質的なコンポーネントを要約し、深層クラスタリングと深層クラスタリングの相互作用を設計する方法によって既存の手法を分類する。
  論文  参考訳（メタデータ） (2022-06-15T15:05:13Z)
• Deep Learning for Computational Cytology: A Survey [12.08083533402352]
  完全教師付き,弱教師付き,教師なし,伝達学習など,さまざまなディープラーニング手法を導入する。 そこで我々は,公開データセット,評価指標,分類,検出,セグメンテーション,その他の関連タスクを含む多種多様な細胞画像解析アプリケーションを体系的に要約した。
  論文  参考訳（メタデータ） (2022-02-10T16:22:10Z)
• A Comprehensive Survey on Community Detection with Deep Learning [93.40332347374712]
  コミュニティは、ネットワーク内の他のコミュニティと異なるメンバーの特徴と接続を明らかにする。 この調査は、最先端の手法の様々なカテゴリをカバーする新しい分類法を考案し、提案する。 ディープニューラルネットワーク(Deep Neural Network)は、畳み込みネットワーク(convolutional network)、グラフアテンションネットワーク( graph attention network)、生成的敵ネットワーク(generative adversarial network)、オートエンコーダ(autoencoder)に分けられる。
  論文  参考訳（メタデータ） (2021-05-26T14:37:07Z)
• Opportunities and Challenges of Deep Learning Methods for Electrocardiogram Data: A Systematic Review [62.490310870300746]
  心電図(Electrocardiogram、ECG)は、医学および医療において最も一般的に用いられる診断ツールの1つである。 深層学習法は心電図信号を用いた予測医療タスクにおいて有望な結果を得た。 本稿では、モデリングとアプリケーションの観点から、ECGデータに対するディープラーニング手法の体系的なレビューを行う。
  論文  参考訳（メタデータ） (2019-12-28T02:44:29Z)

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。