医学深度学习-系统的元评价

在过去的几年里，深度学习已经显著地影响了几个不同的科学学科。例如，在图像处理和分析方面，深度学习算法能够超越其他前沿方法。此外，深度学习在自动驾驶等任务中取得了最先进的成果，超过了之前的尝试。甚至在某些情况下，深度学习的表现优于人类，例如在物体识别和游戏方面。深度学习在医学领域也显示出巨大的潜力。随着大量患者记录和数据的收集，以及个性化治疗的趋势，对健康信息的自动化、可靠的处理和分析有很大的需求。患者数据不仅在医院和私人诊所等临床中心收集，还通过移动医疗应用程序或在线网站收集。大量收集到的患者数据和深度学习领域最近的增长导致了研究工作的大幅增加。在2020年第二季度，搜索引擎PubMed已经返回了超过1.1万个关于“深度学习”的搜索结果，其中约90%的文章来自过去三年。然而，尽管PubMed是医学领域最大的搜索引擎，但它并不能覆盖所有的医学相关出版物。因此，对“医学深度学习”领域的全面概述几乎是不可能的，获取医学子领域的全面概述变得越来越困难。然而，在过去几年里，一些关于医学深度学习的综述和调查文章已经发表。他们通常专注于特定的医疗场景，比如分析包含特定病理的医学图像。以这些调研为基础，本文的目的是提供第一个高水平、系统的医学深度学习调研的元综述。