Глубокое обучение: обновлённый обзор для радиологов

Глубокое обучение — это класс методов машинного обучения, добившийся успеха в компьютерном зрении. В отличие от традиционных методов машинного обучения, которые требуют ручного извлечения признаков из входных изображений, методы глубокого обучения сами обучаются признакам изображения, по которым затем классифицируют данные. Сверточные нейронные сети (СНС), лежащие в основе методов глубокого обучения в визуализации, представляют собой многослойные искусственные нейронные сети с взвешенными связями между нейронами, которые итеративно настраиваются при многократном предъявлении обучающих данных. Эти сети находят многочисленные применения в радиологии, особенно при классификации изображений, обнаружении объектов, семантической сегментации и инстансной сегментации. Авторы представляют обновление недавнего вводного обзора по глубокому обучению для радиологов и рассматривают терминологию, требования к данным и современные тенденции в проектировании СНС; иллюстрируют базовые блоки и архитектуры, адаптированные к задачам компьютерного зрения, включая генеративные архитектуры; а также обсуждают обучение и валидацию, показатели качества, визуализацию и перспективы дальнейшего развития. Знакомство с описанными ключевыми понятиями поможет радиологам понимать достижения глубокого обучения в медицинской визуализации и облегчит клиническое внедрение этих технологий.RSNA, 2021. Дополнительные материалы доступны онлайн для этой статьи.©