Обзор глубокого обучения в медицинской визуализации с упором на изображения МРТ

В последнее время в области машинного обучения произошли значительные изменения вызвавшие большой интерес в промышленности научных кругах и популярной культуре. Они обусловлены прорывом в области искусственных нейронных сетей часто называемых глубоким обучением - набора методов и алгоритмов позволяющих компьютерам обнаруживать сложные закономерности в больших массивах данных. Прорыву способствуют расширение доступа к данным (большие данные) удобные программные платформы и взрывной рост доступных вычислительных мощностей что позволяет использовать более глубокие чем когда-либо нейронные сети. Эти модели сегодня составляют современный подход к решению самых разных задач в области компьютерного зрения языкового моделирования и робототехники. Глубокое обучение заняло видное место в компьютерном зрении когда нейронные сети стали превосходить другие методы в нескольких известных бенчмарках для анализа изображений. Наиболее известным стало решение Image Net Large-Scale Visual Recognition Challenge (ILSVRC) в 2012 году когда модель глубокого обучения (конволюционная нейронная сеть) вдвое превзошла второй по величине показатель ошибок в задаче классификации изображений.