摘要:深度学习是近年来应用最广泛的心脏图像分割方法。在这篇文章中,我们回顾了超过100篇使用深度学习的心脏图像分割论文,这些论文涵盖了常见的成像方式,包括磁共振成像(MRI)、计算机断层扫描(CT)和超声(US)以及感兴趣的主要解剖结构(心室、心房和血管)。此外,公开可用的心脏图像数据集和代码库的摘要也包括在内,为鼓励重复性研究提供了基础。最后,我们讨论了当前基于深度学习的方法的挑战和局限性(缺乏标签、不同领域的模型可泛化性、可解释性),并提出了未来研究的潜在方向。

成为VIP会员查看完整内容
39
0

相关内容

计算学习理论(Computational learning theory)研究的是关于通过“计算”来进行“学习”的理论,即关于机器学习的理论基础,其目的是分析学习任务的困难本质,为学习算法提供理论保证,并根据分析结果指导算法设计。
最新《医学图像深度语义分割》综述论文
专知会员服务
69+阅读 · 2020年6月7日
【文献综述】图像分割综述,224篇参考文献,附58页PDF
专知会员服务
101+阅读 · 2019年6月16日
最全综述 | 医学图像处理
计算机视觉life
40+阅读 · 2019年6月15日
基于显著性的图像分割
AI研习社
6+阅读 · 2019年4月21日
医学图像分析最新综述:走向深度
极市平台
5+阅读 · 2019年2月25日
Image Captioning 36页最新综述, 161篇参考文献
专知
78+阅读 · 2018年10月23日
3D Deep Learning on Medical Images: A Review
Arxiv
10+阅读 · 2020年4月1日
Deep learning for cardiac image segmentation: A review
Arxiv
16+阅读 · 2019年11月9日
Image Captioning based on Deep Reinforcement Learning
W-net: Bridged U-net for 2D Medical Image Segmentation
Arxiv
17+阅读 · 2018年7月12日
小贴士
相关VIP内容
最新《医学图像深度语义分割》综述论文
专知会员服务
69+阅读 · 2020年6月7日
【文献综述】图像分割综述,224篇参考文献,附58页PDF
专知会员服务
101+阅读 · 2019年6月16日
微信扫码咨询专知VIP会员