這篇文章是近5年醫(yī)學(xué)影像領(lǐng)域發(fā)展的一篇綜述搏予，融合了300+篇paper。
文章首先介紹了近些年來深度學(xué)習(xí)領(lǐng)域的發(fā)展橘荠，包括CNN、DCNN郎逃、RNN以及一些無監(jiān)督弱監(jiān)督的方式哥童，比如自編碼器等。然后介紹醫(yī)學(xué)影像不同領(lǐng)域的發(fā)展褒翰。
首先贮懈，分類領(lǐng)域。膝關(guān)節(jié)骨性關(guān)節(jié)炎多級評分优训，使用CNN作為特征提取器的細(xì)胞病理學(xué)圖像分類朵你，應(yīng)用DBN和SAE將患者分類為基于腦部磁共振成像（MRI）的阿爾茨海默病，皮膚損傷圖像揣非，多流CNN對皮膚損傷進(jìn)行分類抡医，使用CNN和RNN的組合來對裂隙燈圖像中的核內(nèi)白內(nèi)障進(jìn)行分級，使用多流CNN將胸部CT的興趣點分類為結(jié)節(jié)或非結(jié)節(jié)早敬，通過訓(xùn)練3D CNN評估患有高級別膠質(zhì)瘤的患者的生存率忌傻。
識別領(lǐng)域，在2D解析3D CT體積之后識別矩形3D邊界框搁嗓，2D心臟MRI和超聲（US）和3D頭頸部CT芯勘，CT數(shù)據(jù)中頸動脈分叉檢測，三維食管超聲心動圖檢測主動脈瓣的數(shù)據(jù)腺逛，胎兒中檢測多達(dá)12個標(biāo)準(zhǔn)化掃描平面荷愕，LSTM-RNN與CNN相結(jié)合來檢測心臟電影-MRI中的舒張末期和收縮末期幀，小病灶的定位和識別棍矛，3D CNN在大腦MRI中發(fā)現(xiàn)微出血安疗，檢測胸部X光片中的結(jié)節(jié)和乳房X線。
分割領(lǐng)域够委，RNN在H＆E組織病理學(xué)圖像中分割肌束膜荐类，使用3D RNN和門控周期性單位來分割腦MRI數(shù)據(jù)集中的灰質(zhì)和白質(zhì)，MR圖像中椎體分割茁帽，fCNN以分割腦MRI玉罐，胸部MRI胸肌和心臟CT血管造影（CTA）中的冠狀動脈，腦部MRI中的白質(zhì)病灶進(jìn)行分割潘拨。
定位領(lǐng)域吊输，使用深度學(xué)習(xí)網(wǎng)絡(luò)估計兩幅圖像的相似性度量以推動迭代優(yōu)化策略，使用深度回歸網(wǎng)絡(luò)直接預(yù)測變換參數(shù)铁追，評估頭部的CT和MRI圖像之間的局部相似性季蚂，利用CNN進(jìn)行三維模型二維X射線配準(zhǔn)評估在手術(shù)過程中植入物體的姿態(tài)和位置。
其他領(lǐng)域，基于內(nèi)容的圖像檢索扭屁，圖像生成和增強算谈，利用多流CNN，可以從多個低分辨率輸入生成超分辨率圖像料滥，使用SAE將H＆E染色的組織病理學(xué)圖像標(biāo)準(zhǔn)化然眼，使用CNN在DCE-MRI時間序列中執(zhí)行去噪，圖像數(shù)據(jù)與報告（1）利用報告來提高圖像分類的準(zhǔn)確性（2）從圖像生成文本報告幔欧。
從疾病角度入手罪治。
腦部，MRI礁蔗，阿爾茨海默病的分類以及腦組織和解剖結(jié)構(gòu)（例如海馬）的分割觉义，其他重要的領(lǐng)域是病變的檢測和分割（例如腫瘤，白質(zhì)病變浴井，痤瘡晒骇，微出血）。
眼部磺浙，CFI洪囤，解剖結(jié)構(gòu)的分割，視網(wǎng)膜異常的分割和檢測撕氧，眼病的診斷以及圖像質(zhì)量評估瘤缩，Kaggle的糖尿病視網(wǎng)膜病變檢測競賽。
胸部伦泥，X-ray剥啤，CT中，指示間質(zhì)性肺病的紋理模式的檢測不脯，LUNA16肺結(jié)節(jié)分割打算府怯，kaggle的肺癌檢測大賽。
數(shù)字病理學(xué)和顯微學(xué)防楷，WSI牺丙，（1）檢測，分割或分類細(xì)胞核（2）大型器官的分割（3）在病變的WSI水平檢測和分類感興趣的疾病复局。組織病理學(xué)中的顏色歸一化冲簿，2012年的神經(jīng)細(xì)胞分裂挑戰(zhàn)，2012年的ICPR 2012和AMIDA亿昏，腺體分割的GLAS峦剔，CAMELYON16和TUPAC治療乳腺癌癌癥組織樣本，分割神經(jīng)元膜龙优，結(jié)直腸癌組織樣本中腺體實例分割，（1）發(fā)現(xiàn)高細(xì)胞密度區(qū)域（2）使用CNN檢測感興趣區(qū)域的有絲分裂（3）將有絲分裂檢測的結(jié)果轉(zhuǎn)換為每個WSI的特征向量，并使用SVM分類器計算腫瘤增殖和分子數(shù)據(jù)分?jǐn)?shù)彤断。
乳房野舶，乳腺癌（1）質(zhì)量樣病變的檢測和分類（2）微鈣化的檢測和分類（3）乳腺癌風(fēng)險圖像評分。
心臟宰衙，左心室分割是最常見的任務(wù)平道，但應(yīng)用的數(shù)量高度多樣化：分割，跟蹤供炼，切片分類一屋，圖像質(zhì)量評估，自動鈣計分和冠狀動脈中心線跟蹤袋哼。
腹部冀墨，旨在定位和分割器官，主要是肝臟涛贯，腎臟诽嘉，膀胱和胰腺。
肌肉骨骼圖像也被深度學(xué)習(xí)算法分析弟翘，用于分割和識別不同成像模式中的骨虫腋，關(guān)節(jié)和相關(guān)的軟組織異常。
其他還有皮膚癌診斷稀余，各種自動化系統(tǒng)悦冀。
文章列出了308篇不同領(lǐng)域的醫(yī)學(xué)影像分析的paper，在很多方面睛琳，人工智能的準(zhǔn)確率已經(jīng)超過了人類盒蟆，也已經(jīng)投入到了市場里，所以這些方面就很難再去研究掸掏。找到一個適合自己的研究方向還是很難的茁影，目前定下來的是肺癌檢測，但這個方向也已經(jīng)有很多人在做丧凤，很難去提升募闲，所以還需要繼續(xù)探索。
