今天給大家分享一下醫(yī)學(xué)影像數(shù)據(jù)增強(qiáng)的深度學(xué)習(xí)方法:的最新綜述

一共是28頁(yè)綜述，163篇文獻(xiàn)。本文對(duì)醫(yī)學(xué)圖像的數(shù)據(jù)增強(qiáng)方法進(jìn)行全面調(diào)研，i重點(diǎn)關(guān)注三大類(lèi)深度生成模型:VAE、GAN和擴(kuò)散模型，并概述了每大類(lèi)模型的代表性工作和當(dāng)前SOTA，并討論了它們?cè)卺t(yī)學(xué)圖像中不同下游任務(wù)中的應(yīng)用，包括分類(lèi)、分和跨模態(tài)轉(zhuǎn)換等。

深度學(xué)習(xí)已成為醫(yī)學(xué)圖像分析的流行工具，但訓(xùn)練數(shù)據(jù)的有限可用性仍然是一個(gè)重大挑戰(zhàn)，特別是在數(shù)據(jù)獲取成本高昂且受隱私法規(guī)約束的醫(yī)療領(lǐng)域。 數(shù)據(jù)增強(qiáng)技術(shù)通過(guò)人為增加訓(xùn)練樣本的數(shù)量提供了一種解決方案，但這些技術(shù)通常產(chǎn)生有限且不令人信服的結(jié)果。為了解決這個(gè)問(wèn)題，越來(lái)越多的研究提出使用深度生成模型來(lái)生成更真實(shí)、更多樣化、符合數(shù)據(jù)真實(shí)分布的數(shù)據(jù)。 在這篇綜述中，我們重點(diǎn)關(guān)注三種類(lèi)型的醫(yī)學(xué)圖像增強(qiáng)深度生成模型:變分自編碼器、生成對(duì)抗網(wǎng)絡(luò)和擴(kuò)散模型。 我們概述了每個(gè)模型的當(dāng)前技術(shù)水平，并討論了它們?cè)卺t(yī)學(xué)成像中不同下游任務(wù)中的應(yīng)用潛力，包括分類(lèi)、分割和跨模式轉(zhuǎn)換。 我們還評(píng)估了每個(gè)模型的優(yōu)點(diǎn)和局限性，并提出了該領(lǐng)域未來(lái)研究的方向。 我們的目標(biāo)是對(duì)深度生成模型在醫(yī)學(xué)圖像增強(qiáng)中的使用進(jìn)行全面回顧，并強(qiáng)調(diào)這些模型在提高醫(yī)學(xué)圖像分析中深度學(xué)習(xí)算法性能的潛力。

論文地址：https://arxiv.org/abs/2307.13125

AIGC生成技術(shù)交流：本星球主要分享AIGC最新技術(shù)，包括數(shù)字人實(shí)戰(zhàn)技術(shù)、AI作畫(huà)技術(shù)、聲音克隆技術(shù)、大語(yǔ)言模型技術(shù)、三維重建技術(shù)等。我們還提供校招信息、面試題等內(nèi)容，幫助各個(gè)層次的人實(shí)現(xiàn)自己的理想。不論是校招還是社招，還是你想快速融入AIGC創(chuàng)業(yè)潮流，迅速掌握AIGC論文方法的更新迭代，這個(gè)星球都適合你?