Обзор глубокого обучения в медицинской визуализации с акцентом на МРТ
An overview of deep learning in medical imaging focusing on MRI
2018-12-13
SCID: 54.1/42kc3rqv
Discuss with AI
МРТглубокое обучениепрогнозирование заболеванийсегментация изображениймедицинская визуализация
Figures from the paper
Abstract (AI)
Что произошло в области машинного обучения в последнее время и что это означает для будущего анализа медицинских изображений? В последние годы машинное обучение привлекло огромное внимание. Текущий бум начался около 2009 года, когда так называемые глубокие искусственные нейронные сети начали превосходить другие устоявшиеся модели по ряду важных бенчмарков. Глубокие нейронные сети ныне являются передовыми моделями машинного обучения в различных областях, от анализа изображений до обработки естественного языка, и широко используются в академической среде и промышленности. Эти разработки имеют большой потенциал для технологий медицинской визуализации, анализа медицинских данных, медицинской диагностики и здравоохранения в целом, и этот потенциал постепенно реализуется. Мы приводим краткий обзор недавних достижений и некоторых сопутствующих проблем в применении машинного обучения к обработке и анализу медицинских изображений. Поскольку это стало очень широкой и быстро расширяющейся областью, мы не охватываем весь спектр приложений, а делаем особый акцент на глубоком обучении в МРТ. Наша цель трояка: (i) дать краткое введение в глубокое обучение с указанием основных ссылок; (ii) показать, как глубокое обучение применяется ко всей цепочке обработки МРТ, от получения данных до извлечения изображений, от сегментации до предсказания заболеваний; (iii) предоставить отправную точку для тех, кто интересуется экспериментами и, возможно, вкладом в область глубокого обучения для медицинской визуализации, указав хорошие образовательные ресурсы, современный открытый исходный код и интересные источники данных и задач, связанных с медицинской визуализацией.
Key Findings
1
Глубокие нейронные сети с примерно 2009 года стали передовым подходом во многих областях, включая анализ изображений и обработку естественного языка.
2
Недавние достижения в глубоком обучении имеют большой потенциал для влияния на медицинскую визуализацию, анализ медицинских данных, диагностику и здравоохранение.
3
Авторы ставят цель помочь новичкам, указывая на основные ссылки, образовательные ресурсы, передовой открытый код и соответствующие наборы данных и задачи медицинской визуализации.
4
В статье выделены связанные с этим задачи и трудности применения машинного обучения к обработке и анализу медицинских изображений.
5
Статья предоставляет обзор, специально сосредоточенный на применении глубокого обучения по всей цепочке обработки МРТ: от приобретения до поиска изображений, сегментации и прогнозирования заболеваний.
Research Object
Глубокое обучение, применяемое к магнитно-резонансной томографии (МРТ) в медицинской визуализации
Research Subject
Применение, достижения и проблемы глубоких нейронных сетей на всем конвейере обработки МРТ (от сбора и реконструкции данных до сегментации, поиска изображений и предсказания заболеваний), включая ресурсы и открытые инструменты для экспериментов
Publication Details
Publication Date
2018-12-13
Journal
Publisher
ISSN
Cited by
2226
Open access PDF
Access Type
Author Information
Download PDF
Subscribe to digest
Источники этой статьи в scid.ai12
Глубокое остаточное обучение для распознавания изображений2016
Классификация ImageNet с использованием глубоких сверточных нейронных сетей2017
Очень глубокие сверточные сети для масштабного распознавания изображений2014
Градиентное обучение для распознавания документов1998
Сети Squeeze-and-Excitation2018
Агрегированные остаточные преобразования для глубоких нейронных сетей2017
Глубокие сверточные нейронные сети для автоматизированного обнаружения: архитектуры CNN, характеристики наборов данных и перенос обучения2016
Глубокое обучение в анализе медицинских изображений2017
Генеративные состязательные сети: обзор2018
Сверточные нейронные сети: обзор и применение в радиологии2018
Масштабируемое и точное глубокое обучение с использованием электронных медицинских карт2018
Можем ли мы открыть «чёрный ящик» ИИ?2016
Работы, цитирующие эту статью5
Обзор глубокого обучения: концепции, архитектуры сверточных нейронных сетей, проблемы, применения и перспективные направления2021
К стремлению к обучению причинных представлений2021
Искусственный интеллект в креативных индустриях: обзор2021
Глубокое обучение для обнаружения медицинских аномалий: обзор2021
Объяснимый искусственный интеллект: обзор приложений к данным нейровизуализации2022