Eine Umfrage zur medizinischen Bildsegmentierung basierend auf Deep Learning-Techniken

Deep Learning-Techniken haben sich schnell als bevorzugte Methode zur Bewertung der medizinischen Bildsegmentierung etabliert. Diese Umfrage analysiert verschiedene Beiträge im Bereich des Deep Learnings in der Medizin, einschließlich der bedeutendsten gemeinsamen Probleme, die in den letzten Jahren veröffentlicht wurden, und erörtert auch die Grundlagen der für die medizinische Bildsegmentierung anwendbaren Deep Learning-Konzepte. Die Untersuchung des Deep Learning kann auf Aufgaben wie Bildkategorisierung, Objekterkennung, Segmentierung, Registrierung und andere angewendet werden. Zunächst werden die grundlegenden Ideen der Deep Learning-Techniken, -Anwendungen und -Frameworks vorgestellt. Die Deep Learning-Techniken, die die idealen Anwendungen umsetzen, werden kurz erklärt. Dieses Papier weist darauf hin, dass es frühere Erfahrungen mit verschiedenen Techniken im Bereich der medizinischen Bildsegmentierung gibt. Deep Learning wurde entwickelt, um verschiedene Herausforderungen im Bereich der medizinischen Bildanalyse zu beschreiben und zu bewältigen, wie z.B. die geringe Genauigkeit der Bildklassifizierung, die niedrige Segmentierungsauflösung und die schlechte Bildverbesserung. Um diese aktuellen Probleme zu lösen und die Entwicklung von Herausforderungen der medizinischen Bildsegmentierung zu verbessern, geben wir Vorschläge für zukünftige Forschungen.