ResNet и её применение в обработке медицинских изображений: состояние исследований и нерешённые проблемы

Введение и цель: Глубокое обучение — новый подход и направление машинного обучения — в последние годы привлекает всё больше внимания исследователей в области компьютерного зрения. Особый интерес к этому методу обусловлен его высокой эффективностью при анализе медицинских изображений, особенно в сочетании с остаточными нейронными сетями, способствовавшими развитию этой области.

Методы: В статье рассмотрены исследования остаточных нейронных сетей. Сначала описано современное состояние исследований ResNet в медицине, затем изложены основные принципы работы остаточных нейронных сетей, включая устройство остаточного блока, различные его структуры и архитектуру сети. Далее обсуждаются четыре направления широкого применения остаточных нейронных сетей при обработке медицинских изображений: диагностика опухолей лёгких, кожных заболеваний, заболеваний молочной железы и заболеваний головного мозга. В заключение рассматриваются основные проблемы и перспективы развития ResNet в области обработки медицинских изображений.

Результаты: Остаточные нейронные сети достигли заметного прогресса в обработке медицинских изображений и успешно применяются для вспомогательной диагностики серьёзных заболеваний, включая опухоли лёгких, рак молочной железы, кожные, сердечно-сосудистые и цереброваскулярные заболевания.

Выводы: В статье систематизированы последние достижения в исследованиях остаточных нейронных сетей и их применении для обработки медицинских изображений, что может служить важным ориентиром для дальнейшей работы в этой области. Обобщение текущих возможностей и проблем применения ResNet, а также предложенные направления дальнейшего развития могут способствовать расширению исследований и внедрения этой модели в обработку медицинских изображений.