Обзор

Глубокое обучение в радиологии

Deep Learning in Radiology

Academic Radiology
10.1016/j.acra.2018.02.018
Открыть в журнале PubMed
FWCI: 29.1FWCI — Field-Weighted Citation Impact (индекс цитируемости с поправкой на область науки). 1.0 = среднее, > 1 = выше среднего · Процитировано: 425 · Ссылки: 59 · Лицензия: Закрытая
Цитирование по годам: 2026: 31 · 2025: 57 · 2024: 76 · 2023: 91 · 2022: 68

Аннотация

Радиология по своей природе является специальностью, основанной на анализе данных, поэтому особенно хорошо подходит для применения методов обработки данных. Одним из таких методов стало глубокое обучение (DL), которое в последние годы превратилось в чрезвычайно мощный инструмент обработки изображений. В этой работе рабочая группа по глубокому обучению Альянса радиологических исследований Ассоциации университетских радиологов представляет врачам-рентгенологам обзор DL. Цель статьи — доступно для врачей-рентгенологов изложить основы DL, рассмотреть его применение в прошлом, настоящем и будущем, а также оценить, какую пользу этот новый мощный инструмент может принести в работе врача-рентгенолога. Описаны несколько направлений радиологии, в которых методы DL оказывают наиболее значимое влияние: выявление очаговых изменений или заболеваний, классификация, количественная оценка и сегментация. Также обсуждаются юридические и этические препятствия для внедрения этой технологии. Использование этого мощного инструмента может повысить точность интерпретации исследований, уменьшить число ошибок и позволить врачам-рентгенологам уделять больше времени пациентам.

Переведем эту статью за 1 час

Загрузите PDF, а мы сделаем полный перевод, краткий конспект и красивую инфографику.

Попробовать бесплатно →

Также в Подтеме: еженедельные литобзоры, база международных клинреков и конспекты свежих мед. статей и подкастов каждый день.