الگوریتم های یادگیری عمیق، به ویژه شبکه های کانولوشنی، به سرعت به یک روش مناسب برای تجزیه و تحلیل تصاویر پزشکی تبدیل شده اند. این مقاله مفاهیم اصلی یادگیری عمیق مربوط به تجزیه و تحلیل تصاویر پزشکی را مرور کرده است و بیش از ۳۰۰ مقاله موجود در این زمینه را خلاصه کرده که بیشتر آنها در سال های اخیر منتشر شده اند. استفاده از یادگیری عمیق برای طبقه بندی تصویر، تشخیص اشیا، تقسیم بندی، ثبت و سایر وظایف بررسی شده است. مرور مختصری بر مطالعات در حوزه های کاربردی ارائه شده است: مثل عصبی، شبکیه، ریوی، آسیب شناسی دیجیتال، پستان، قلب، شکم، اسکلتی عضلانی. Deep learning algorithms, in particular convolutional networks, have rapidly become a methodology of choice for analyzing medical images. This paper reviews the major deep learning concepts pertinent to medical image analysis and summarizes over 300 contributions to the field, most of which appeared in the last year. We survey the use of deep learning for image classification, object detection, segmentation, registration, and other tasks. Concise overviews are provided of studies per application area: neuro, retinal, pulmonary, digital pathology, breast, cardiac, abdominal, musculoskeletal. We end with a summary of the current state-of-the-art, a critical discussion of open challenges and directions for future research. As soon as it was possible to scan and load medical images into a computer, researchers have built systems for automated analysis. Initially, from the 1970s to the 1990s, medical image analysis was done with sequential application of low-level pixel processing (edge and line detector filters, region growing) and mathematical modeling (fitting lines, circles and ellipses) to construct compound rule-based systems that solved particular tasks. There is an analogy with expert systems with many if-then-else statements that were popular in artificial intelligence in the same period. These expert systems have been described as GOFAI (good oldfashioned artificial intelligence) (Haugeland, 1985) and were often brittle; similar to rule-based image processing systems.
خلاصه ای از آخرین وضعیت موجود، برای تحقیقات آینده بررسی شده است.
