本文由Zhihua Liu在2020年发表于University of Leicester，全面探讨了深度学习在脑肿瘤分割中的应用。文章讨论了脑肿瘤分割的挑战，如位置不确定性、形态变化和图像对比度低等问题，以及CNN、RNN和深度生成模型等方法。此外，还涵盖了数据预处理、后处理、增强策略和未来的研究趋势，如迁移学习和模型解释的重要性。
医学分割论文:Deep Learning Based Brain Tumor Segmentation: a survey
Auther: Zhihua Liu, Institution:University of Leicester, Publish year: 2020
论文地址：https://arxiv.org/abs/2007.09479v2
综述类论文
背景
脑部肿瘤难以分割的原因：脑肿瘤可能出现在脑组织中的任何位置，其形状和大小均不确定；另一方面，脑肿瘤和正常组织之间存在相互浸润的边界，使得边界难以区分。而深度学习近年来在图像分割，图像分类领域获得长远的进步，促进了深度学习在医学图像分割领域的研究进展
挑战
- 肿瘤位置不确定
- 肿瘤形态不确定
- 图像对比度低
- 医生标注偏差
- 图像类别不平衡
Fig 1 脑部胶质瘤分割所面临的挑战
最低0.47元/天 解锁文章
820
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
