Aprendizado Contínuo em Imagem Médica da Teoria à Prática: Uma Revisão e Análise Prática

O Aprendizado Profundo tem mostrado grande sucesso em reformular a imagem médica, no entanto, enfrenta inúmeros desafios que dificultam a aplicação generalizada. Questões como o esquecimento catastrófico e mudanças na distribuição do fluxo de dados em constante evolução aumentam a lacuna entre pesquisa e aplicações. O Aprendizado Contínuo oferece promessas para enfrentar esses obstáculos, permitindo a aquisição sequencial de novos conhecimentos sem esquecer aprendizados anteriores em redes neurais. Nesta revisão, analisamos de forma abrangente a literatura recente sobre aprendizado contínuo no domínio médico, destacamos tendências recentes e apontamos questões práticas. Especificamente, revisamos os estudos de aprendizado contínuo em classificação, segmentação, detecção e outras tarefas no domínio médico. Além disso, desenvolvemos uma taxonomia para os estudos revisados, identificamos os desafios e fornecemos insights para superá-los. Também discutimos criticamente o estado atual do aprendizado contínuo em imagem médica, incluindo a identificação de problemas em aberto e a definição de direções promissoras para o futuro. Esperamos que esta revisão forneça aos pesquisadores uma visão útil dos desenvolvimentos na área e aumente ainda mais o interesse na comunidade. Para acompanhar os avanços rápidos neste campo, planejamos atualizar regularmente o repositório com os últimos artigos relevantes em https://github.com/BioMedIA-MBZUAI/awesome-cl-in-medical.