多个今天的医学成像模式,例如,x射线CT, MRI /功能磁共振成像,和宠物扫描仪,为计算机辅助诊断(CAD)提供大量复杂和高度信息图像。由此产生的大的原始视觉信息处理是极其困难的。从而为成像进行CAD新策略和治疗疾病的发展。
近年来,机器学习成为医学图像分析的一个主要工具在各种CAD应用程序。先验知识从特征学习医学专家提供的例子有助于引导图像配准、融合、分割、和其他计算对准确描述的初始数据和提取可靠的诊断线索到CAD的目标。启发,结合人工智能、模式识别、生物学、数学统计、优化,以及许多其他科学领域中,机器学习是成功地用来隐藏的关系复杂的图像数据和链接他们疾病的诊断或监视目标。一个非常简单的例子,学习定量的三维形状描述符胼胝体对大脑MRI有助于在组织一个成功的自闭症或阅读障碍的早期CAD。
这个特殊的问题讨论的目标追求挑战,技术和机器学习在目前CAD的应用程序。仔细审查超过31日提交选择了12篇涵盖以下主题:测量拓扑醉酒驾车tractography检测阿尔茨海默病;3 d kidneysegmentation从腹部图像;驾驶员疲劳检测基于一个脑电图通道;精度评估迭代最近点(ICP)登记;质感和形态分析感兴趣的多个区域(ROI)进行分类乳房超声检查(总线)图像;肺结节与深卷积神经网络分类;合并肺结节的分类与当地不同模式;自动从胸CT肺分割;在视网膜显微外科仪器检测和姿势估计; deep and transfer learning for colonic polyp classification; research on techniques of multifeatures extraction for tongue image and its application in retrieval; and active learning to classify diabetic retinopathy.
n Amoroso等人使用多路复用网络概念描述大脑组织从拓扑角度。
f·哈利等人从当前和之前的视觉外观模型集成的区别的特性为一个随机森林分类器自动段3 d肾脏从动态CT图像。
j·胡总和四熵特性和十分类器来检测驾驶员疲劳处理脑电图。
g . Krell等人不同的无约束ICP算法相比在现实嘈杂的数据从一个光学传感器tomotherapy的高清系统。
麻省理工学院达乌德等人结合multiple-ROI形态和纹理分析有效段总线图像。
w·李等人设计深卷积神经网络(cnn)和强autolearning和泛化能力对肺结节进行分类。
毛泽东和z . k .邓小平提出当地不同模式(LDP)和组合分类器指定在低剂量CT肺结节图像。
j . Wang和h .郭提出了全自动三阶段由皮肤边界检测肺分割,粗略测定肺轮廓,和肺实质细化。
m . Alsheakhali等人建模检测、跟踪和姿态估计的视网膜显微外科仪器作为一个条件随机场(CRF)推理以本地化工具钳的技巧和中心点,估计它的轴的方向。
e·里贝罗等人研究了自动分类的结肠息肉的深度学习不同的pretrained或从头开始构建可训练的cnn 8-HD-endoscopic数据库上获得不同的成像模式。
l . Chen等人提出了一个新颖的方法来提取舌图像的颜色和纹理特征。结果表明,发达的方法可以提高病变检出率的舌图像相对于单一特征检索。
y张和m一个使用一个基于主动学习的分类器识别解剖部位的特征提取和检测视网膜病变识别图像,进一步减少糖尿病性视网膜病变筛查的成本。
确认
我们要感谢上述因素这个特殊的问题,以及评论家的辛勤工作和及时。最后,我们给这个杂志的编辑委员会特别感谢他们的信心在大机器学习潜力应用于医学图像分析。
扎el - baz
格奥尔基Gimel 'farb
吴克群铃木