Дэниел Л. Рубин, Хайит Гринспен и Ассаф Хуги
Цели обучения
Прочитав эту главу, вы сможете дать ответы на следующие вопросы.
- Что делает снимки сложным типом данных для обработки компьютерами по сравнению с клиническими данными без изображений?
- Почему существует много различных модальностей визуализации и по каким двум основным характеристикам они различаются?
- Как визуальное содержание и содержание знаний в изображениях представляются в вычислительном виде? Чем эти методы похожи на представление биомедицинских данных, не представляющих собой изображения?
- Какие приложения можно разработать для использования семантического содержимого изображения, доступного с помощью модели AIM)?
- Какие существуют четыре различных типа методов обработки изображений? Почему такие методы объединяются в конвейер при создании приложений для работы с изображениями?
- Что такое модальность изображения с высоким пространственным разрешением? Что такое модальность, предоставляющая функциональную информацию? Почему большинство методов визуализации не способны обеспечить то и другое?
- Какова цель выполнения сегментации при анализе изображений? Почему существует более одного метода сегментации?
- Каковы основные методы сегментации и каковы их ограничения? Следует ли всегда использовать глубокое обучение в качестве первого выбора, поскольку его производительность относительно высока?
- Какие два типа количественной информации существуют в изображениях? Каковы два типа семантической информации есть в изображениях? Как эта информация может быть использована в медицинских приложениях?
- В чем разница между регистрацией изображений и слиянием изображений? Каковы примеры для каждого случая?
- Могут ли методы анализа медицинских изображений заменить врачей, которые интерпретируют изображения, или их роль должна заключаться в том, чтобы служить дополнительными инструментами, помогающими интерпретировать изображения?