Сверточные нейронные сети: обзор и применение в радиологии

Сверточные нейронные сети (CNN) — класс искусственных нейронных сетей, ставший ведущим подходом во многих задачах компьютерного зрения. Они привлекают внимание специалистов в различных областях, в том числе в радиологии. CNN автоматически и адаптивно обучаются выделять пространственные иерархии признаков с помощью алгоритма обратного распространения ошибки и нескольких типов слоёв: свёрточных, подвыборки и полносвязных. В этом обзорном материале изложены основные понятия, связанные с CNN, и их применение в различных задачах радиологии, а также обсуждаются проблемы и перспективы использования этих сетей в данной области. В частности, рассматриваются две трудности применения CNN в радиологии — малый объём наборов данных и переобучение — и методы их минимизации. Чтобы использовать потенциал CNN в диагностической радиологии для повышения эффективности работы врачей-рентгенологов и улучшения помощи пациентам, необходимо знать принципы работы этих сетей, их преимущества и ограничения. Ключевые положения: сверточные нейронные сети — класс методов глубокого обучения, ставший ведущим во многих задачах компьютерного зрения и привлекающий внимание специалистов в различных областях, в том числе в радиологии; CNN состоят из нескольких типов слоёв, включая свёрточные, подвыборки и полносвязные, и предназначены для автоматического и адаптивного выделения пространственных иерархий признаков посредством алгоритма обратного распространения ошибки; знание принципов работы CNN, их преимуществ и ограничений необходимо для использования их потенциала в повышении эффективности работы врачей-рентгенологов и, в конечном счёте, улучшении помощи пациентам.