<正>近十年來,人工智能（artificial intelligence,AI）在醫(yī)學(xué)領(lǐng)域發(fā)展迅速,很大程度上得益于機(jī)器學(xué)習(xí)（machine learning,ML）技術(shù)的發(fā)展與進(jìn)步,而機(jī)器學(xué)習(xí)也成為醫(yī)學(xué)領(lǐng)域創(chuàng)新的新引擎。醫(yī)學(xué)成像領(lǐng)域中,機(jī)器學(xué)習(xí)對圖像重組、病變分割、計(jì)算機(jī)輔助檢測（computer-aided detection,CADe）和診斷（computer-aided diagnosis,CADx）等方面的優(yōu)化產(chǎn)生了積極影響^{[1, 2]}。與傳統(tǒng)的醫(yī)學(xué)圖像分析技術(shù)相比,機(jī)器學(xué)習(xí)技術(shù)不需要由醫(yī)學(xué)及技術(shù)領(lǐng)域?qū)＜覟樘囟ǚ治鲋贫鞔_相關(guān)的功能。相反,機(jī)器學(xué)習(xí)開發(fā)了一種自學(xué)模式,可從培訓(xùn)數(shù)據(jù)集中自 

【文章來源】：影像診斷與介入放射學(xué). 2020,29(02)

【文章頁數(shù)】：3 頁


本文編號：3039102