Una revisión sistemática de la augmentación de datos mediante aprendizaje profundo en imágenes médicas: Avances recientes y direcciones futuras de investigación

La augmentación de datos implica expandir artificialmente un conjunto de datos aplicando varias transformaciones a los datos existentes. Los desarrollos recientes en aprendizaje profundo han avanzado la augmentación de datos, permitiendo transformaciones más complejas. Especialmente vital en el dominio médico, la augmentación de datos basada en aprendizaje profundo mejora la robustez del modelo al generar variaciones realistas en las imágenes médicas, mejorando el rendimiento en tareas de diagnóstico y predicción. Por lo tanto, para ayudar a investigadores y expertos en sus esfuerzos, existe la necesidad de un estudio extenso e informativo que cubra los últimos avances en el creciente dominio de la augmentación de datos basada en aprendizaje profundo en imágenes médicas. Hay una brecha en la literatura respecto a los avances recientes en la augmentación de datos basada en aprendizaje profundo. Este estudio explora las diversas aplicaciones de la augmentación de datos en imágenes médicas y analiza investigaciones recientes en estas áreas para abordar esta brecha. El estudio también explora conjuntos de datos populares y métricas de evaluación para mejorar la comprensión. Posteriormente, el estudio proporciona una breve discusión sobre técnicas convencionales de augmentación de datos junto con una discusión detallada sobre la aplicación de algoritmos de aprendizaje profundo en la augmentación de datos. Además, el estudio analiza los resultados y los detalles experimentales de investigaciones recientes de vanguardia para comprender los avances y progresos de la augmentación de datos basada en aprendizaje profundo en imágenes médicas. Finalmente, el estudio discute varios desafíos y propone direcciones de investigación futuras para abordar estas preocupaciones. Esta revisión sistemática ofrece una visión completa de la augmentación de datos basada en aprendizaje profundo en imágenes médicas, cubriendo dominios de aplicación, modelos, análisis de resultados, desafíos y direcciones de investigación. Proporciona un recurso valioso para estudios multidisciplinarios e investigadores que toman decisiones basadas en análisis recientes.