Deep Learning for Pancreas Segmentation: a Systematic Review

胰腺分割在计算机断层扫描腹部图像中由于胰腺体积小、形状和位置在患者之间变异大、胰腺与周围器官之间对比度低而一直具有挑战性。过去几年中，许多深度学习模型用于胰腺分割。本文基于“系统评价和Meta分析的首选报告项目(PRISMA)”声明进行了全面系统的综述。文献检索在PubMed、Web of Science、Scopus和IEEE Xplore上进行，检索时间从2013年到2023年，检索到130篇原始研究。我们首先提供了最常见的网络架构和公开数据集的技术背景概述。然后，我们报道了结合表格形式和文本描述的研究分析。表格将研究分组，指定应用程序、数据集大小、设计（模型架构、学习策略和损失函数）、结果和主要贡献。我们首先分析了关于使用粗到细方法、多器官分割、半监督学习和无监督学习进行实质分割的研究，然后是关于泛化到其他数据集和设计新的损失函数的研究。然后，我们分析了关于肿瘤、囊肿和炎症分割的研究，报告了多阶段方法、半监督学习、泛化到其他数据集和设计新的损失函数。最后，我们根据发表的证据提供了关于该主题的批判性讨论，强调需要在临床转化之前解决当前存在的问题。

深度学习在胰腺分割中的应用

通过系统性综述分析不同深度学习模型在胰腺分割领域的应用情况，总结当前存在的问题并提出未来的发展方向。

论文综述了130篇胰腺分割方面的深度学习研究，包括网络架构、数据集、学习策略、损失函数等方面的细节，并总结了这些研究的主要贡献和存在的问题。此外，论文还讨论了胰腺肿瘤、囊肿、炎症等方面的分割问题，并提出了未来的研究方向。

最近在这个领域中，还有一些相关研究，如《A Deep Learning Framework for Automatic Pancreas Segmentation》、《Pancreas Segmentation in MRI Using Graph-Based Decision Fusion on Convolutional Neural Networks》等。