A Systematic Review of Few-Shot Learning in Medical Imaging

要約

注釈付きの医療画像が不足すると、通常、大規模なラベル付きデータセットが必要となる深層学習モデルのパフォーマンスが制限されます。
フューショット学習技術は、特にメタ学習を使用して、データ不足の問題を軽減し、医用画像分析を強化できます。
この体系的なレビューでは、医療画像における少数ショット学習の包括的な概要を示します。
私たちは文献を体系的に検索し、2018 年から 2023 年に出版された関連する 80 件の論文を選択しました。腫瘍の分割、疾患分類、画像登録などの医療成果に基づいて論文をクラスタリングしました。
解剖学的構造の調査（心臓、肺など）。
および使用されるメタ学習手法。
各クラスターについて、論文の分布と最先端技術によって提供された結果を調べました。
さらに、すべての研究に共有される一般的なパイプラインを特定しました。
このレビューでは、少数ショット学習はほとんどの結果でデータ不足を克服できること、およびメタ学習は少数のラベル付きサンプルで新しいタスクに適応できるため、少数ショット学習を実行するための一般的な選択肢であることが示されています。
さらに、メタ学習に続いて、教師あり学習と半教師あり学習は、医療画像処理における少数ショット学習の課題に取り組むために採用され、最高のパフォーマンスを発揮する主要な手法として際立っています。
最後に、主な適用領域には主に心臓、肺、腹部の領域が含まれることがわかりました。
この系統的レビューは、医療画像分析と患者ケアを改善するためのさらなる研究を促すことを目的としています。

要約(オリジナル)

The lack of annotated medical images limits the performance of deep learning models, which usually need large-scale labelled datasets. Few-shot learning techniques can reduce data scarcity issues and enhance medical image analysis, especially with meta-learning. This systematic review gives a comprehensive overview of few-shot learning in medical imaging. We searched the literature systematically and selected 80 relevant articles published from 2018 to 2023. We clustered the articles based on medical outcomes, such as tumour segmentation, disease classification, and image registration; anatomical structure investigated (i.e. heart, lung, etc.); and the meta-learning method used. For each cluster, we examined the papers’ distributions and the results provided by the state-of-the-art. In addition, we identified a generic pipeline shared among all the studies. The review shows that few-shot learning can overcome data scarcity in most outcomes and that meta-learning is a popular choice to perform few-shot learning because it can adapt to new tasks with few labelled samples. In addition, following meta-learning, supervised learning and semi-supervised learning stand out as the predominant techniques employed to tackle few-shot learning challenges in medical imaging and also best performing. Lastly, we observed that the primary application areas predominantly encompass cardiac, pulmonary, and abdominal domains. This systematic review aims to inspire further research to improve medical image analysis and patient care.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google