深度学习医学图像分析文献集

2017 年 10 月 13 日 机器学习研究会
深度学习医学图像分析文献集


点击上方 “机器学习研究会”可以订阅
摘要
 

转自:爱可可-爱生活

Background

To the best of our knowledge, this is the first list of deep learning papers on medical applications. There are couple of lists for deep learning papers in general, or computer vision, for example Awesome Deep Learning Papers. In this list, I try to classify the papers based on their deep learning techniques and learning methodology. I believe this list could be a good starting point for DL researchers on Medical Applications.

Criteria

  1. A list of top deep learning papers published since 2015.

  2. Papers are collected from peer-reviewed journals and high reputed conferences. However, it may have recent papers on arXiv.

  3. A meta-data is required along with the paper, i.e. Deep Learning technique, Imaging Modality, Area of Interest, Clinical Database (DB).

List of Journals / Conferences (J/C):

  • Medical Image Analysis (MedIA)

  • IEEE Transaction on Medical Imaging (IEEE-TMI)

  • IEEE Transaction on Biomedical Engineering (IEEE-TBME)

  • IEEE Journal of Biomedical and Health Informatics (IEEE-JBHI)

  • International Journal on Computer Assisted Radiology and Surgery (IJCARS)

  • International Conference on Information Processing in Medical Imaging (IPMI)

  • International Conference on Medical Image Computing and Computer Assisted Intervention (MICCAI)

  • International Conference on Information Processing in Computer-Assisted Interventions (IPCAI)

  • IEEE International Symposium on Biomedical Imaging (ISBI)

Shortcuts

Deep Learning Techniques:

  • NN: Neural Networks

  • MLP: Multilayer Perceptron

  • RBM: Restricted Boltzmann Machine

  • SAE: Stacked Auto-Encoders

  • CAE: Convolutional Auto-Encoders

  • CNN: Convolutional Neural Networks

  • RNN: Recurrent Neural Networks

  • LSTM: Long Short Term Memory

  • M-CNN: Multi-Scale/View/Stream CNN

  • FCN: Fully Convolutional Networks

Imaging Modality:

  • US: Ultrasound

  • MR/MRI: Magnetic Resonance Imaging

  • PET: Positron Emission Tomography

  • MG: Mammography

  • CT: Computed Tompgraphy

  • H&E: Hematoxylin & Eosin Histology Images

  • RGB: Optical Images

Table of Contents

Deep Learning Techniques

  • AutoEncoders/ Stacked AutoEncoders

  • Convolutional Neural Networks

  • Recurrent Neural Networks

  • Generative Adversarial Networks

Medical Applications

  • Annotation

  • Classification

  • Detection/ Localization

  • Segmentation

  • Registration

  • Regression

  • Other tasks


链接:

https://github.com/albarqouni/Deep-Learning-for-Medical-Applications


原文链接:

https://m.weibo.cn/1402400261/4162373902287270

“完整内容”请点击【阅读原文】
↓↓↓
登录查看更多
13

相关内容

虽然像CNNs这样的深度学习模型在医学图像分析方面取得了很大的成功,但是小型的医学数据集仍然是这一领域的主要瓶颈。为了解决这个问题,研究人员开始寻找现有医疗数据集之外的外部信息。传统的方法通常利用来自自然图像的信息。最近的研究利用了来自医生的领域知识,通过让网络模仿他们如何被训练,模仿他们的诊断模式,或者专注于他们特别关注的特征或领域。本文综述了将医学领域知识引入疾病诊断、病变、器官及异常检测、病变及器官分割等深度学习模型的研究进展。针对不同类型的任务,我们系统地对所使用的不同类型的医学领域知识进行了分类,并给出了相应的整合方法。最后,我们总结了挑战、未解决的问题和未来研究的方向。

成为VIP会员查看完整内容
0
85

With the rise and development of deep learning, computer vision has been tremendously transformed and reshaped. As an important research area in computer vision, scene text detection and recognition has been inescapably influenced by this wave of revolution, consequentially entering the era of deep learning. In recent years, the community has witnessed substantial advancements in mindset, approach and performance. This survey is aimed at summarizing and analyzing the major changes and significant progresses of scene text detection and recognition in the deep learning era. Through this article, we devote to: (1) introduce new insights and ideas; (2) highlight recent techniques and benchmarks; (3) look ahead into future trends. Specifically, we will emphasize the dramatic differences brought by deep learning and the grand challenges still remained. We expect that this review paper would serve as a reference book for researchers in this field. Related resources are also collected and compiled in our Github repository: https://github.com/Jyouhou/SceneTextPapers.

成为VIP会员查看完整内容
0
41
小贴士
相关资讯
深度学习与医学图像分析
人工智能前沿讲习班
24+阅读 · 2019年6月8日
医学图像分析最新综述:走向深度
炼数成金订阅号
32+阅读 · 2019年2月20日
计算机视觉近一年进展综述
机器学习研究会
6+阅读 · 2017年11月25日
【论文】图上的表示学习综述
机器学习研究会
8+阅读 · 2017年9月24日
【推荐】深度学习目标检测概览
机器学习研究会
9+阅读 · 2017年9月1日
深度学习下的医学图像分析(四)
AI研习社
12+阅读 · 2017年7月19日
相关VIP内容
专知会员服务
209+阅读 · 2020年1月1日
人工智能顶刊TPAMI2019最新《多模态机器学习综述》
专知会员服务
56+阅读 · 2019年10月18日
【深度学习视频分析/多模态学习资源大列表】
专知会员服务
60+阅读 · 2019年10月16日
开源书:PyTorch深度学习起步
专知会员服务
29+阅读 · 2019年10月11日
[综述]深度学习下的场景文本检测与识别
专知会员服务
41+阅读 · 2019年10月10日
机器学习入门的经验与建议
专知会员服务
45+阅读 · 2019年10月10日
相关论文
A Survey on Bayesian Deep Learning
Hao Wang,Dit-Yan Yeung
45+阅读 · 2020年7月2日
3D Deep Learning on Medical Images: A Review
Satya P. Singh,Lipo Wang,Sukrit Gupta,Haveesh Goli,Parasuraman Padmanabhan,Balázs Gulyás
9+阅读 · 2020年4月1日
Image Segmentation Using Deep Learning: A Survey
Shervin Minaee,Yuri Boykov,Fatih Porikli,Antonio Plaza,Nasser Kehtarnavaz,Demetri Terzopoulos
31+阅读 · 2020年1月15日
Deep learning for cardiac image segmentation: A review
Chen Chen,Chen Qin,Huaqi Qiu,Giacomo Tarroni,Jinming Duan,Wenjia Bai,Daniel Rueckert
14+阅读 · 2019年11月9日
1D Convolutional Neural Networks and Applications: A Survey
Serkan Kiranyaz,Onur Avci,Osama Abdeljaber,Turker Ince,Moncef Gabbouj,Daniel J. Inman
4+阅读 · 2019年5月9日
Chunwei Tian,Yong Xu,Lunke Fei,Ke Yan
4+阅读 · 2018年10月11日
Deep Learning for Generic Object Detection: A Survey
Li Liu,Wanli Ouyang,Xiaogang Wang,Paul Fieguth,Jie Chen,Xinwang Liu,Matti Pietikäinen
8+阅读 · 2018年9月6日
W-net: Bridged U-net for 2D Medical Image Segmentation
Wanli Chen,Yue Zhang,Junjun He,Yu Qiao,Yifan Chen,Hongjian Shi,Xiaoying Tang
16+阅读 · 2018年7月12日
Holger R. Roth,Chen Shen,Hirohisa Oda,Masahiro Oda,Yuichiro Hayashi,Kazunari Misawa,Kensaku Mori
5+阅读 · 2018年3月23日
Xiaowei Xu,Qing Lu,Yu Hu,Lin Yang,Sharon Hu,Danny Chen,Yiyu Shi
5+阅读 · 2018年3月13日
Top