A Comprehensive Study on Medical Image Segmentation using Deep Neural Networks

要約

過去10年間で、ディープニューラルネットワーク（DNNS）を使用した医療画像セグメンテーション（MIS）は、パフォーマンスの大幅な改善を達成し、将来の開発に大きな期待を抱いています。
この論文では、DNNSに基づくMISに関する包括的な研究を紹介します。
インテリジェントビジョンシステムは、データ、情報、知識、知性、知恵（DIKIW）などの出力レベルに基づいて評価されることがよくあり、これらのレベルでのMISの最先端のソリューションは研究の焦点です。
さらに、説明可能な人工知能（XAI）は、透明性と倫理の要件を満たすために以前のDNNアーキテクチャの「ブラックボックス」の性質を明らかにすることを目的としているため、重要な研究方向になりました。
この研究では、特にタイムリーな診断を通じてがん患者の生存率を高めるため、疾患診断と早期発見におけるMISの重要性を強調しています。
Xaiと初期の予測は、「知性」から「知恵」までの旅における2つの重要なステップと見なされます。
さらに、この論文は、既存の課題に対処し、DNNベースのMISを実装する効率を高めるための潜在的なソリューションを提案しています。

要約(オリジナル)

Over the past decade, Medical Image Segmentation (MIS) using Deep Neural Networks (DNNs) has achieved significant performance improvements and holds great promise for future developments. This paper presents a comprehensive study on MIS based on DNNs. Intelligent Vision Systems are often evaluated based on their output levels, such as Data, Information, Knowledge, Intelligence, and Wisdom (DIKIW),and the state-of-the-art solutions in MIS at these levels are the focus of research. Additionally, Explainable Artificial Intelligence (XAI) has become an important research direction, as it aims to uncover the ‘black box’ nature of previous DNN architectures to meet the requirements of transparency and ethics. The study emphasizes the importance of MIS in disease diagnosis and early detection, particularly for increasing the survival rate of cancer patients through timely diagnosis. XAI and early prediction are considered two important steps in the journey from ‘intelligence’ to ‘wisdom.’ Additionally, the paper addresses existing challenges and proposes potential solutions to enhance the efficiency of implementing DNN-based MIS.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google