نقش محاسبات تصویر پزشکی و یادگیری ماشین در بهداشت

محاسبات تصویر پزشکی با هدف توسعه استراتژی های محاسباتی برای تجزیه و تحلیل قوی ، خودکار ، کمی از اطلاعات مربوط به داده های تصویربرداری پزشکی به منظور پشتیبانی از تشخیص ، برنامه ریزی و پیگیری درمانی و تحقیقات زیست پزشکی.   تجزیه و تحلیل تصویر پزشکی به دلیل پیچیدگی داده های خود پیچیده است - شامل تصاویر توموگرافی سه بعدی به دست آمده با روشهای مختلف که مبتنی بر اصول مختلف فیزیکی است ، هر کدام دارای خصوصیات و محدودیتهای ذاتی خود و پیچیدگی صحنه هستند - شامل عادی و آسیب شناسی. آناتومی و عملکرد ، با اشکال پیچیده سه بعدی و تنوع قابل توجه بین موضوع. از این رو ، رویکردهای مبتنی بر مدل مورد نیاز است که دانش قبلی را درباره ظاهر تصویر اشیاء مربوطه در صحنه در نظر می گیرد. این مدل ها برای مقابله با تغییرات در ظاهر شیء پارامتر می شوند ، به گونه ای که می توان مسئله تجزیه و تحلیل تصویر را به عنوان یک مسئله بهینه سازی در یافتن پارامترهای مدل که به بهترین شکل داده های تصویر را توضیح می دهند ، فرموله شد. بسته به بازنمایی انتخاب شده برای مدل ، رویکردهای مختلف قابل تفکیک است. یادگیری ماشین امکان یادگیری مدل های مناسب از داده های قبلاً تحلیل شده را فراهم می آورد.