Multiple Sclerosis (MS) is a type of brain disease which causes visual, sensory, and motor problems for people with a detrimental effect on the functioning of the nervous system. In order to diagnose MS, multiple screening methods have been proposed so far; among them, magnetic resonance imaging (MRI) has received considerable attention among physicians. MRI modalities provide physicians with fundamental information about the structure and function of the brain, which is crucial for the rapid diagnosis of MS lesions. Diagnosing MS using MRI is time-consuming, tedious, and prone to manual errors. Research on the implementation of computer aided diagnosis system (CADS) based on artificial intelligence (AI) to diagnose MS involves conventional machine learning and deep learning (DL) methods. In conventional machine learning, feature extraction, feature selection, and classification steps are carried out by using trial and error; on the contrary, these steps in DL are based on deep layers whose values are automatically learn. In this paper, a complete review of automated MS diagnosis methods performed using DL techniques with MRI neuroimaging modalities is provided. Initially, the steps involved in various CADS proposed using MRI modalities and DL techniques for MS diagnosis are investigated. The important preprocessing techniques employed in various works are analyzed. Most of the published papers on MS diagnosis using MRI modalities and DL are presented. The most significant challenges facing and future direction of automated diagnosis of MS using MRI modalities and DL techniques are also provided.

多发性硬化症 (MS) 是一种脑部疾病，会导致人们的视觉、感觉和运动问题，并对神经系统的功能产生不利影响。迄今为止，为了诊断 MS，已经提出了多种筛查方法。其中，磁共振成像（MRI）受到了医生的广泛关注。MRI 模式为医生提供有关大脑结构和功能的基本信息，这对于 MS 病变的快速诊断至关重要。使用 MRI 诊断 MS 既费时又乏味，而且容易出现人工错误。基于人工智能 (AI) 的计算机辅助诊断系统 (CADS) 用于诊断 MS 的研究涉及传统的机器学习和深度学习 (DL) 方法。在传统的机器学习中，特征提取，通过试错法进行特征选择和分类步骤；相反，DL 中的这些步骤基于其值自动学习的深层。在本文中，提供了使用 DL 技术和 MRI 神经成像方式执行的自动 MS 诊断方法的完整回顾。最初，研究了使用 MRI 模式和 DL 技术进行 MS 诊断的各种 CADS 所涉及的步骤。分析了各种工作中使用的重要预处理技术。介绍了使用 MRI 模式和 DL 进行 MS 诊断的大多数已发表论文。还提供了使用 MRI 模式和 DL 技术自动诊断 MS 所面临的最重大挑战和未来方向。相反，DL 中的这些步骤基于其值自动学习的深层。在本文中，提供了使用 DL 技术和 MRI 神经成像方式执行的自动 MS 诊断方法的完整回顾。最初，研究了使用 MRI 模式和 DL 技术进行 MS 诊断的各种 CADS 所涉及的步骤。分析了各种工作中使用的重要预处理技术。介绍了使用 MRI 模式和 DL 进行 MS 诊断的大多数已发表论文。还提供了使用 MRI 模式和 DL 技术自动诊断 MS 所面临的最重大挑战和未来方向。相反，DL 中的这些步骤基于其值自动学习的深层。在本文中，提供了使用 DL 技术和 MRI 神经成像方式执行的自动 MS 诊断方法的完整回顾。最初，研究了使用 MRI 模式和 DL 技术进行 MS 诊断的各种 CADS 所涉及的步骤。分析了各种工作中使用的重要预处理技术。介绍了使用 MRI 模式和 DL 进行 MS 诊断的大多数已发表论文。还提供了使用 MRI 模式和 DL 技术自动诊断 MS 所面临的最重大挑战和未来方向。提供了使用 DL 技术和 MRI 神经成像方式执行的自动 MS 诊断方法的完整回顾。最初，研究了使用 MRI 模式和 DL 技术进行 MS 诊断的各种 CADS 所涉及的步骤。分析了各种工作中使用的重要预处理技术。介绍了使用 MRI 模式和 DL 进行 MS 诊断的大多数已发表论文。还提供了使用 MRI 模式和 DL 技术自动诊断 MS 所面临的最重大挑战和未来方向。提供了使用 DL 技术和 MRI 神经成像方式执行的自动 MS 诊断方法的完整回顾。最初，研究了使用 MRI 模式和 DL 技术进行 MS 诊断的各种 CADS 所涉及的步骤。分析了各种工作中使用的重要预处理技术。介绍了使用 MRI 模式和 DL 进行 MS 诊断的大多数已发表论文。还提供了使用 MRI 模式和 DL 技术自动诊断 MS 所面临的最重大挑战和未来方向。介绍了使用 MRI 模式和 DL 进行 MS 诊断的大多数已发表论文。还提供了使用 MRI 模式和 DL 技术自动诊断 MS 所面临的最重大挑战和未来方向。介绍了使用 MRI 模式和 DL 进行 MS 诊断的大多数已发表论文。还提供了使用 MRI 模式和 DL 技术自动诊断 MS 所面临的最重大挑战和未来方向。