Avertissement : Cette page est une traduction automatique de cette page à l'origine en anglais. Veuillez noter puisque les traductions sont générées par des machines, pas tous les traduction sera parfaite. Ce site Web et ses pages Web sont destinés à être lus en anglais. Toute traduction de ce site et de ses pages Web peut être imprécis et inexacte, en tout ou en partie. Cette traduction est fournie dans une pratique.

Profond-Apprendre en radiologie

La radiologie joue un rôle important dans le diagnostic et la demande de règlement des maladies variées. Profond-apprendre, également connu sous le nom d'apprendre hiérarchique, est un type d'apprentissage automatique concernant des algorithmes et basé sur apprendre des représentations des données. Profond-apprendre est employé dans le domaine de la médecine, en particulier en radiologie.

Crédit d
Crédit d'image : Archy13/Shutterstock

Que Profond-Apprend ?

Profond-apprendre est un type de méthode d'apprentissage automatique qui aide des machines et des ordinateurs à apprendre par exemple. Profond-en apprenant, la machine ou l'ordinateur se renseigne sur des tâches de catégorie directement de son, de texte, ou d'entrée d'image.
Les programmes utilisant profond-apprendre peuvent effectuer des tâches exactement et souvent à un de plus haut niveau que des êtres humains. Par exemple, profond-apprendre est la technologie clé des véhicules auto-pilotants qui laisse les laisse trouver des piétons ou arrêter des signes. Tout simplement, profond-apprendre est une forme d'artificial intelligence.

Profond-apprendre est une succursale d'artificial intelligence dans laquelle des réseaux des éléments en corrélation fondamentaux sont employés pour identifier des configurations dans les caractéristiques pour résoudre des problèmes compliqués. Profond-apprendre a été employé dans plusieurs tâches sophistiquées liées à l'imagerie médicale.

Profond-Apprendre en radiologie

Importance de la radiologie à la pratique médicale

L'imagerie médicale est un outil important de diagnose et de demande de règlement pour beaucoup de maladies humaines. Dans la représentation diagnostique, une série de tests est employée pour saisir des images des parties du corps variées. Ces tests fournissent à des médecins les images qui peuvent être employées pour trouver des anomalies dans les organes du corps.

Beaucoup de modalités d'imagerie sont utilisées comme moyen de voir les constitutions internes. Les exemples comprennent des rayons X, des échographies de tomodensitométrie, l'imagerie par résonance magnétique, et la tomographie d'émission de positons.

Les études de représentation sont particulièrement importantes dans le dépistage du cancer et le diagnostic. L'identification précoce du cancer et d'autres maladies tient compte d'une demande de règlement plus tôt, qui peut améliorer des résultats patients.  

Comment Profond-Apprendre est employé en radiologie diagnostique

Profond-apprendre est un outil important utilisé dans la radiologie et l'imagerie médicale. Profond-apprendre des techniques peut être employé pour segmenter avec précision des organes basés sur leurs limites pour fournir des mesures précises. En outre, profond-apprendre des techniques peut être appliqué au dépistage de la croissance tumorale et distinguer entre les structures bénignes et malignes.

Bien que profond-apprendre exige plus de caractéristiques que l'apprentissage automatique traditionnel, il est également plus facile d'employer. Puisque la plupart des systèmes profond-apprenants emploient des modèles de réseau neuronal, ces modèles désigné souvent sous le nom des réseaux neuronaux profonds. Le mot « profondément » se rapporte à sa structure multicouche.

Dans un réseau neuronal conventionnel, il y a seulement des 2 ou 3 couches cachées. En revanche, les réseaux profonds peuvent avoir des centaines de couches. Comme résultat, profond-apprendre des modèles peut être employé pour analyser et employer de grands ensembles d'architectures et de caractéristiques de réseau neuronal pour fournir des représentations plus précises pour des études de représentation.

Traditionnellement, profond-apprendre a été appliqué aux images uniques. Cependant, l'utilisation de profond-apprendre en radiologie est plus complexe parce que la tomodensitométrie et l'imagerie par résonance magnétique produisent des milliers d'images. Ainsi, profond-apprenant les modèles exigent des algorithmes de calcul plus complexes dans le domaine de la radiologie. Profond-apprendre maintenant est utilisé comme moyen en radiologie clinique pour trouver, mesurer, et segmenter des lésions et pour diagnostiquer et classifier la maladie.

Geoff Hinton: On Radiology

Conclusion

Profond-apprendre a spectaculairement amélioré le rendement des algorithmes d'ordinateur dans la pratique médicale. La technologie médicale a évolué pour permettre l'extraction d'information essentielle des images il a pu avoir été plus difficiles interpréter que suivre des méthodes traditionnelles. Jusqu'à présent, profond-apprenant des méthodes ont été employées dans le sein et le dépistage du cancer de poumon et la segmentation de cerveau étudie.

La recherche sur la technologie profond-apprenante a donné les résultats prometteurs qui peuvent être appliqués dans la pratique médicale et pour d'autres usages. À l'avenir, profond-apprenant est prévu améliorer davantage le diagnostic et la demande de règlement des maladies variées.

Further Reading

Last Updated: Oct 24, 2018

Angela Betsaida B. Laguipo

Written by

Angela Betsaida B. Laguipo

Angela is a nurse by profession and a writer by heart. She graduated with honors (Cum Laude) for her Bachelor of Nursing degree at the University of Baguio, Philippines. She is currently completing her Master's Degree where she specialized in Maternal and Child Nursing and worked as a clinical instructor and educator in the School of Nursing at the University of Baguio.

Citations

Please use one of the following formats to cite this article in your essay, paper or report:

  • APA

    Laguipo, Angela. (2018, October 24). Profond-Apprendre en radiologie. News-Medical. Retrieved on September 17, 2021 from https://www.news-medical.net/health/Deep-Learning-in-Radiology.aspx.

  • MLA

    Laguipo, Angela. "Profond-Apprendre en radiologie". News-Medical. 17 September 2021. <https://www.news-medical.net/health/Deep-Learning-in-Radiology.aspx>.

  • Chicago

    Laguipo, Angela. "Profond-Apprendre en radiologie". News-Medical. https://www.news-medical.net/health/Deep-Learning-in-Radiology.aspx. (accessed September 17, 2021).

  • Harvard

    Laguipo, Angela. 2018. Profond-Apprendre en radiologie. News-Medical, viewed 17 September 2021, https://www.news-medical.net/health/Deep-Learning-in-Radiology.aspx.

Comments

The opinions expressed here are the views of the writer and do not necessarily reflect the views and opinions of News Medical.