深度学习在医学异常检测中的应用 — 综述

Dec, 2020

深度学习在医学异常检测中的应用 — 综述

Deep Learning for Medical Anomaly Detection -- A Survey

Tharindu Fernando, Harshala Gammulle, Simon Denman, Sridha Sridharan, Clinton Fookes

TL;DR本论文的主要目的是针对机器学习在医疗异常检测中的应用进行理论分析，提供关于流行的深度学习技术的全面的系统性回顾，比较和对比它们的架构差异和训练算法，并提供了用于解释模型决策的深度模型解释策略的综合概述。此外，指出现有深度医疗异常检测技术的主要局限性并提出未来的关键研究方向。

Abstract

machine learning-based medical anomaly detection is an important problem that has been extensively studied. Numerous approaches have been proposed across various medical application domains and we observe several

machine learning medical anomaly detection deep learning techniques model interpretation research directions

发现论文，激发创造

深度学习用于异常检测：调研

本文针对深度学习异常检测问题进行了系统综述，将研究方法划分为不同的类别并探讨其在应用领域的适用性和效果，同时讨论了现有研究的局限性和未来研究的方向。

Jan, 2019

深度学习时间序列异常检测综述

本文调查了基于深度学习的时间序列异常检测的现状，提供了一种基于分类因素的分类法，并描述了每种分类法的优点和局限性，最后总结了研究中的开放性问题和采用深度异常检测模型面临的挑战。

Nov, 2022

基于深度学习的图异常检测综述

本文综述了现代深度学习技术在图异常检测中的应用，编译了开放资源的实现、公共数据集和常用评估方法，重点强调了 12 个未解决和新兴的研究问题和现实世界的应用。

Jun, 2021

MedIAnomaly：医学图像异常检测的比较研究

该研究论文旨在建立一个统一实施和比较的基准，对医学领域的七个包括胸部 X 射线、脑部磁共振、视网膜底像、皮肤镜像和组织病理全切片图像在内的医学数据集进行广泛评估，并比较了二十七种典型的异常检测方法，首次对现有方法中的关键组件进行了正式探索，明确了未解决的挑战和潜在的未来方向。

Apr, 2024

深度学习中的异常例检测：综述

本文介绍了关于深度学习中的异常检测技术的研究，旨在提供现有技术的分类及其相对优缺点，强调在应用异常检测技术的深度学习系统中仍存在的未解决研究挑战，并提出了未来重要的研究方向。

Mar, 2020

医学图像分析中深度学习的最新进展和临床应用

本文总结和回顾了过去五年来针对深度学习在医学图像分析领域中面临着的挑战和问题进行的一系列研究和尝试，强调了半监督和无监督深度学习在医学图像分析领域的最新进展和贡献，并讨论了未来研究的可能解决方案和技术挑战。

May, 2021

深度和浅层异常检测的统一综述

通过综述研究，探究了在复杂数据集中深度学习方法在异常检测中的应用，分析了常见方法的共性原理、常见假设以及经验评估，并提出了对未来研究的挑战和方向。

Sep, 2020

可信异常检测：一项调查

本文简要综述了现有的工作，并从解释性、公平性、鲁棒性和隐私保护的角度讨论了可信的异常检测的开放问题。

Feb, 2022

无监督异常定位在工业图像中的应用：一个调研

本文对深度学习下工业图像无监督异常定位的近期研究成果进行了综述与分析，包括各种概念、挑战、分类、基准数据集及量化性能比较，并提供了未来研究方向的预测和分析。

Jul, 2022

工业时间序列异常检测深度迁移学习综述：方法、应用和方向

深度迁移学习在工业过程中具有识别异常事件和优化质量的潜力，通过利用与相关任务的知识以及解决时间序列异常检测的问题来解决使用标准深度学习所需的大规模标记数据的问题，同时降低了深度学习模型设计和实现的复杂度。

Jul, 2023