【图像分割| 2019最新综述】生物医学图像分割的机器学习技术：技术方面综述和最新应用介绍，附35页PDF（Machine Learning Techniques for Biomedical Image Segmentation）

论文主题： Machine Learning Techniques for Biomedical Image Segmentation: An Overview of Technical Aspects and Introduction to State‐of‐Art Applications

论文摘要： 近年来，在开发更精确、更有效的医学图像和自然图像分割的机器学习算法方面取得了重大进展。在这篇综述文章中，我们强调了机器学习算法在医学影像领域实现高效准确分割的重要作用。我们特别关注与机器学习方法在生物医学图像分割中的应用相关的几个关键研究。我们回顾了经典的机器学习算法，如马尔可夫随机场、k-均值聚类、随机森林等。尽管与深度学习技术相比，此类经典学习模型往往不太准确，但它们往往更具样本效率，结构也不太复杂。我们还回顾了不同的深度学习结构，如人工神经网络（ANNs）、卷积神经网络（CNNs）和递归神经网络（RNNs），并给出了这些学习模型在过去三年中取得的分割结果。我们强调了每种机器学习范式的成功和局限性。此外，我们还讨论了与不同机器学习模型训练相关的几个挑战，并提出了一些启发式方法来解决这些挑战。