JOURNAL OF PERSONALIZED MEDICINE//(VOL. 10, ISSUE 4)
Volumen: 10, Numero: 4, Páginas: [27] p.
In recent years, improved deep learning techniques have been applied to biomedical image processing for the classification and segmentation of different tumors based on magnetic resonance imaging (MRI) and histopathological imaging (H&E) clinical information. Deep Convolutional Neural Networks (DCNNs) architectures include tens to hundreds of processing layers that can extract multiple levels of features in image-based data, which would be otherwise very difficult and time-consuming to be recognized and extracted by experts for classification of tumors into different tumor types, as well as segmentation of tumor images. This article summarizes the latest studies of deep learning techniques applied to three different kinds of brain cancer medical images (histology, magnetic resonance, and computed tomography) and highlights current challenges in the field for the broader applicability of DCNN in personalized brain cancer care by focusing on two main applications of DCNNs: classification and segmentation of brain cancer tumors images.
En los últimos años, se han aplicado técnicas mejoradas de aprendizaje profundo a la imagen biomédica.procesamiento para la clasificación y segmentación de diferentes tumores basado en resonancia magnéticainformación clínica de imágenes (MRI) e imágenes histopatológicas (H&E). Convolucional profundoLas arquitecturas de redes neuronales (DCNN) incluyen decenas a cientos de capas de procesamiento que puedenextraer múltiples niveles de características en datos basados ??en imágenes, lo que de otro modo sería muy difícily requiere mucho tiempo para ser reconocido y extraído por expertos para la clasificación de tumores endiferentes tipos de tumores, así como segmentación de imágenes tumorales. Este artículo resume las últimasestudios de técnicas de aprendizaje profundo aplicadas a tres tipos diferentes de imágenes médicas de cáncer cerebral(histología, resonancia magnética y tomografía computarizada) y destaca los desafíos actuales en elcampo para la aplicabilidad más amplia de DCNN en la atención personalizada del cáncer de cerebro centrándose en dosPrincipales aplicaciones de las DCNN: clasificación y segmentación de imágenes de tumores cerebrales.