深入医学图像分析综述

深入医学图像分析

Altaf F , Islam S M S , Akhtar N , et al. Going Deep in Medical Image Analysis: Concepts, Methods, Challenges and Future Directions[J]. IEEE Access, 2019.

医学图像分析的深度学习方法

检测/定位，分割，配准，分类

深入医学图像分析的挑战

• 缺乏适当标注的数据：使用有限数量的数据推断的复杂模型通常会过拟合使用的数据。
• 数据不平衡：正负样本不平衡会导致训练出来的模型有偏差。
• 缺乏连续区间：深度学习文献通常将模型的输出称为“预测置信度”，输出信号只能被解释为一个单一的概率值。在医学成像任务中，缺少预测值周围的可信区间通常是不可取的。

未来的方向

• By organizing different tasks that let the deep models transfer well between themselves, they developed a so-called ‘taskonomy’ to guide the use of transfer learning for natural images.

• Exploiting the existing deep models as feature extractors and then performi