نقش محاسبات تصویر پزشکی و یادگیری ماشین در بهداشت و درمان

نقش محاسبات تصویر پزشکی و یادگیری ماشین در بهداشت و درمان

خلاصه

محاسبات تصویری پزشکی در حال توسعه استراتژی های محاسباتی برای تجزیه و تحلیل کمی ، خودکار و کمی اطلاعات مربوط به داده های تصویربرداری پزشکی به منظور پشتیبانی از تشخیص ، برنامه ریزی درمانی و پیگیری و تحقیقات پزشکی است. تجزیه و تحلیل تصویر پزشکی با پیچیدگی خود داده ها - شامل تصاویر توموگرافی سه بعدی به دست آمده با روش های مختلف که براساس اصول فیزیکی مختلفی بنا شده اند ، هرکدام با ویژگی ها و محدودیت های ذاتی خود و نیز پیچیدگی صحنه - شامل عادی و آسیب شناختی پیچیده است. آناتومی و عملکرد ، با اشکال سه بعدی پیچیده و تنوع قابل توجه بین موضوع.   از این رو ، رویکردهای مبتنی بر مدل مورد نیاز است که دانش قبلی در مورد شکل تصویر اشیا relevant مربوطه در صحنه را در نظر بگیرند. این مدل ها برای مقابله با تنوع در ظاهر شی پارامتر شده اند ، به گونه ای که مسئله تجزیه و تحلیل تصویر را می توان به عنوان یک مسئله بهینه سازی یافتن پارامترهای مدل که داده های تصویر را به بهترین وجه توضیح می دهد ، فرموله کرد. بسته به نمایندگی انتخاب شده برای مدل ، می توان رویکردهای مختلف را مورد تفکیک قرار داد. یادگیری ماشینی امکان یادگیری مدلهای مناسب را از خود داده های قبلا تحلیل شده ارائه می دهد.