A Survey on Deep Learning for Polyp Segmentation: Techniques, Challenges and Future Trends

要約

ポリープの早期検出と評価は、結腸直腸がん (CRC) の予防と治療において重要な役割を果たします。
ポリープ セグメンテーションは、臨床医がポリープ領域を正確に特定してセグメント化するのを支援する効果的なソリューションを提供します。
以前は、色、テクスチャ、形状などの手動で抽出された下位レベルの特徴に依存することが多く、グローバルなコンテキストを捕捉する際に問題が発生し、複雑なシナリオに対する堅牢性に欠けることがよくありました。
深層学習の出現により、深層学習ネットワークに基づく優れた医療画像セグメンテーション アルゴリズムがますます登場し、この分野で大きな進歩を遂げています。
このペーパーでは、ポリープ セグメンテーション アルゴリズムの包括的なレビューを提供します。
まず、手動で抽出した特徴とディープ セグメンテーション アルゴリズムに基づくいくつかの従来のアルゴリズムを確認し、次に、トピックに関連するベンチマーク データセットの詳細を説明します。
具体的には、研究テーマの問題点やネットワーク構造の違いを考慮し、ポリープサイズに基づいた最新の深層学習モデルと結果を総合的に評価します。
最後に、ポリープのセグメンテーションの課題とこの分野の将来の傾向について説明します。
私たちが収集したモデル、ベンチマーク データセット、ソース コード リンクはすべて https://github.com/taozh2017/Awesome-Polyp-Segmentation で公開されています。

要約(オリジナル)

Early detection and assessment of polyps play a crucial role in the prevention and treatment of colorectal cancer (CRC). Polyp segmentation provides an effective solution to assist clinicians in accurately locating and segmenting polyp regions. In the past, people often relied on manually extracted lower-level features such as color, texture, and shape, which often had issues capturing global context and lacked robustness to complex scenarios. With the advent of deep learning, more and more outstanding medical image segmentation algorithms based on deep learning networks have emerged, making significant progress in this field. This paper provides a comprehensive review of polyp segmentation algorithms. We first review some traditional algorithms based on manually extracted features and deep segmentation algorithms, then detail benchmark datasets related to the topic. Specifically, we carry out a comprehensive evaluation of recent deep learning models and results based on polyp sizes, considering the pain points of research topics and differences in network structures. Finally, we discuss the challenges of polyp segmentation and future trends in this field. The models, benchmark datasets, and source code links we collected are all published at https://github.com/taozh2017/Awesome-Polyp-Segmentation.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google