知识卡片

普通读书笔记卡 · 3788.q.1.a · 生成模型:未记录

医学影像滩头阵地

理解等级:中级

医学影像已有数字化输入及分类、定位等可定义任务,因此成为深度学习进入医疗的重要入口。CNN可学习图像中的局部和层级模式,辅助识别组织或病变特征。这个技术入口依赖成像质量、标签和任务设计;研究数据上的性能突破只说明限定条件下的潜力,进入诊疗流程还需验证与责任安排。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    参考来源

    - 位置:《人工智能与计算生物的未来 (【美】布赖恩·希尔布什)》人工智能的新时代,按任务组合架构并进入医学影像(源项目a19c7933-4eda-4176-aebd-30fe7e1ad292,源文件:extracted/人工智能与计算生物的未来 (【美】布赖恩·希尔布什)/_epub-src/EPUB/xhtml/Section03.xhtml) - 结论依据:原文对该概念的说明、比较或案例支撑本卡解释;历史案例不等于当前临床有效性或监管认可。已经核验的边界与书中陈述分开。 - 原始内容:近年来,利用深度学习进行医学图像分析的应用呈爆炸式增长,彰显了人工智能在临床诊断过程中的巨大前景。这就是人工智能技术席卷医学领域的开始。 凸显成像诊断对医疗健康领域的重要性的一个事实是,美国医疗健康系统在2017年产生了超过8亿张医学图像。