| عنوان مقاله به انگلیسی | Deep Interactive Segmentation of Medical Images: A Systematic Review and Taxonomy |
| عنوان مقاله به فارسی | مقاله بخش بندی تعاملی عمیق تصاویر پزشکی: یک بررسی سیتماتیک و طبقه بندی |
| نویسندگان | Zdravko Marinov, Paul F. Jäger, Jan Egger, Jens Kleesiek, Rainer Stiefelhagen |
| زبان مقاله | انگلیسی |
| فرمت مقاله: | |
| تعداد صفحات | 0 |
| دسته بندی موضوعات | Image and Video Processing,Artificial Intelligence,Computer Vision and Pattern Recognition,Human-Computer Interaction,Machine Learning,پردازش تصویر و فیلم , هوش مصنوعی , چشم انداز رایانه و تشخیص الگوی , تعامل انسان و رایانه , یادگیری ماشین , |
| توضیحات | Submitted 23 November, 2023; originally announced November 2023. , Comments: 26 pages, 8 figures, 10 tables; Zdravko Marinov and Paul F. Jäger and co-first authors; This work has been submitted to the IEEE for possible publication. Copyright may be transferred without notice, after which this version may no longer be accessible |
| توضیحات به فارسی | ارسال شده 23 نوامبر 2023 ؛در ابتدا نوامبر 2023 اعلام شد ، نظرات: 26 صفحه ، 8 شکل ، 10 جدول ؛Zdravko Marinov و Paul F. Jäger و نویسندگان همکار ؛این کار برای انتشار احتمالی به IEEE ارسال شده است.حق چاپ ممکن است بدون اطلاع قبلی منتقل شود ، پس از آن ممکن است این نسخه دیگر در دسترس نباشد |
چکیده
Interactive segmentation is a crucial research area in medical image analysis aiming to boost the efficiency of costly annotations by incorporating human feedback. This feedback takes the form of clicks, scribbles, or masks and allows for iterative refinement of the model output so as to efficiently guide the system towards the desired behavior. In recent years, deep learning-based approaches have propelled results to a new level causing a rapid growth in the field with 121 methods proposed in the medical imaging domain alone. In this review, we provide a structured overview of this emerging field featuring a comprehensive taxonomy, a systematic review of existing methods, and an in-depth analysis of current practices. Based on these contributions, we discuss the challenges and opportunities in the field. For instance, we find that there is a severe lack of comparison across methods which needs to be tackled by standardized baselines and benchmarks.
چکیده به فارسی (ترجمه ماشینی)
تقسیم بندی تعاملی یک منطقه تحقیقاتی مهم در تجزیه و تحلیل تصویر پزشکی با هدف تقویت کارایی حاشیه نویسی های پر هزینه با ترکیب بازخورد انسان است.این بازخورد به شکل کلیک ، کتیبه یا ماسک می شود و امکان پالایش مکرر خروجی مدل را فراهم می کند تا بتواند سیستم را به سمت رفتار مورد نظر هدایت کند.در سالهای اخیر ، رویکردهای مبتنی بر یادگیری ، نتایج را به سطح جدیدی سوق داده اند که باعث رشد سریع این زمینه با 121 روش ارائه شده در حوزه تصویربرداری پزشکی می شود.در این بررسی ، ما یک نمای کلی از این زمینه در حال ظهور با یک طبقه بندی جامع ، یک بررسی منظم از روش های موجود و تجزیه و تحلیل عمیق از شیوه های فعلی ارائه می دهیم.بر اساس این کمک ها ، ما در مورد چالش ها و فرصت های موجود در این زمینه بحث می کنیم.به عنوان مثال ، ما می دانیم که عدم مقایسه شدید در روش هایی که باید توسط پایه های استاندارد و معیارها مقابله شود.
| توجه کنید این مقاله به زبان انگلیسی است. |
|
برای سفارش ترجمه این مقاله می توانید به یکی از روش های تماس، پیامک، تلگرام و یا واتس اپ با شماره زیر تماس بگیرید:
09395106248 توجه کنید که شرایط ترجمه به صورت زیر است:
|
نقد و بررسی‌ها
هنوز بررسی‌ای ثبت نشده است.