Segmentation des tumeurs cérébrales basée sur l'apprentissage profond : une enquête

Résumé La segmentation des tumeurs cérébrales est l'un des problèmes les plus complexes en analyse d'images médicales. L'objectif de la segmentation des tumeurs cérébrales est de générer une délimitation précise des régions tumorales. Ces dernières années, les méthodes d'apprentissage profond ont montré des performances prometteuses pour résoudre divers problèmes de vision par ordinateur, tels que la classification d'images, la détection d'objets et la segmentation sémantique. Un certain nombre de méthodes basées sur l'apprentissage profond ont été appliquées à la segmentation des tumeurs cérébrales et ont obtenu des résultats prometteurs. Compte tenu des avancées remarquables réalisées par les technologies de pointe, nous proposons cette enquête avec une étude complète des techniques de segmentation des tumeurs cérébrales récemment développées basées sur l'apprentissage profond. Plus de 150 articles scientifiques sont sélectionnés et discutés dans cette enquête, couvrant de manière approfondie des aspects techniques tels que la conception de l'architecture du réseau, la segmentation dans des conditions déséquilibrées et les processus multi-modalités. Nous proposons également des discussions perspicaces sur les orientations de développement futures.