Глубокое обучение для обнаружения медицинских аномалий: обзор
Deep Learning for Medical Anomaly Detection – A Survey
2021-07-18
SCID: 54.1/9tf2pqew
Discuss with AI
глубокое обучениеинтерпретация глубоких моделейобнаружение медицинских аномалиймедицинские приложенияалгоритмы обучения
Figures from the paper
Abstract (AI)
Обнаружение медицинских аномалий на основе машинного обучения представляет собой важную задачу, которая широко изучалась. Для различных областей применения в медицине было предложено множество подходов, и мы наблюдаем ряд сходств между этими различными приложениями. Несмотря на эту сопоставимость, отсутствует структурированная систематизация таких разнообразных исследовательских направлений, которая позволила бы изучить их преимущества и ограничения. Основная цель данного обзора заключается в проведении тщательного теоретического анализа популярных методов глубокого обучения для обнаружения медицинских аномалий. В частности, мы представляем последовательный и систематический обзор передовых методов, сопоставляя их архитектурные различия, а также алгоритмы обучения. Кроме того, мы приводим всеобъемлющий обзор стратегий интерпретации глубоких моделей, которые могут использоваться для интерпретации решений моделей. Наконец, мы описываем основные ограничения существующих методов глубокого обучения для обнаружения медицинских аномалий и предлагаем ключевые направления дальнейших исследований.
Key Findings
1
Представлен комплексный анализ стратегий интерпретации решений глубоких моделей при обнаружении медицинских аномалий.
2
В работе представлен систематический теоретический обзор современных методов глубокого обучения для обнаружения медицинских аномалий.
3
В обзоре сопоставляются архитектуры глубоких моделей обнаружения аномалий и соответствующие алгоритмы их обучения.
4
Обзор выделяет ключевые ограничения существующих методов и предлагает направления для дальнейших исследований.
5
Обзор выявляет общие закономерности между задачами обнаружения медицинских аномалий, несмотря на различия клинических областей.
Research Object
обнаружение медицинских аномалий на основе глубокого обучения в различных областях медицинских применений
Research Subject
теоретический анализ и систематическое сравнение методов обнаружения, архитектур, алгоритмов обучения, стратегий интерпретации моделей, ограничений и направлений дальнейших исследований
Publication Details
Publication Date
2021-07-18
Journal
Publisher
ISSN
Cited by
403
Open access PDF
Access Type
Author Information
Download PDF
Subscribe to digest
Источники этой статьи в scid.ai10
Классификация ImageNet с использованием глубоких сверточных нейронных сетей2017
Очень глубокие сверточные сети для масштабного распознавания изображений2014
Единый подход к интерпретации предсказаний моделей2017
Почему я должен вам доверять?2016
Обучение представлений фраз с использованием RNN энкодер–декодера для статистического машинного перевода2014
Эмпирическая оценка управляемых рекуррентных нейронных сетей для моделирования последовательностей2014
Обучение глубоких признаков для дискриминативной локализации2016
Обучение представлений фраз с использованием RNN Encoder–Decoder для статистического машинного перевода2014
Обзор глубокого обучения в медицинской визуализации с акцентом на МРТ2018
Комплексный обзор методов обнаружения аномалий для больших данных высокой размерности2020