Машинное обучение в медицинской визуализации

Машинное обучение — это метод распознавания закономерностей, который можно применять к медицинским изображениям. Хотя это мощный инструмент, способный помогать в постановке медицинских диагнозов, его можно использовать неправильно. Обычно машинное обучение начинается с того, что система алгоритма вычисляет признаки изображения, которые, как предполагается, важны для прогноза или диагноза. Затем система алгоритма машинного обучения определяет наилучшее сочетание этих признаков для классификации изображения или расчета некоторого показателя для заданной области изображения. Существует несколько методов, каждый со своими сильными и слабыми сторонами. Для большинства этих методов машинного обучения существуют варианты с открытым исходным кодом, что облегчает их опробование и применение к изображениям. Существуют несколько метрик для оценки эффективности алгоритма; однако необходимо учитывать возможные связанные с ними подводные камни, которые могут приводить к вводящим в заблуждение показателям. В последнее время начинает использоваться глубокое обучение; преимущество этого метода в том, что он не требует на первом этапе выделения и вычисления признаков изображения, а признаки определяются в процессе обучения. Машинное обучение уже применяется в медицинской визуализации и в будущем будет оказывать еще большее влияние. Специалистам, работающим в области медицинской визуализации, необходимо понимать, как работает машинное обучение. RSNA, 2017. ©