بررسی روشهای خودکار تفسیر تصاویر پزشکی بر پایه یادگیری عمیق

تفسیرخودکار تصاویر، زمینه جدیدی از هوش مصنوعی است که دو شاخه پردازش زبان طبیعی و یادگیری ماشین را به خدمت می گیرد. تحقیقاتی که در سالهای اخیر بر روی این مقوله انجام شده و نتایج قابل قبولی که در این زمینه حاصل شده است از یک طرف و نیاز جامعه پزشکی به تفسیرخودکار تصاویر پزشکی از طرف دیگر، محققان را بر آن داشته تا این رویکرد را در این زمینه نیز به کار گیرند. تفسیر خودکار تصاویر پزشکی نسبت به مساله توصیف خودکار تصاویر طبیعی، چالش برانگیزتر می باشد.کمیت و کیفیت مجموعه داده های موجود در این مقوله نسبت به مجموعه داده های تفسیر تصاویر طبیعی کمتر است، تفسیرها غیرساختار یافته اند و تفسیر تصاویر طبیعی، شامل توصیف اشیاء و روابط بین آنها با یک یا چند جمله است درحالی که شرح تصاویر پزشکی شامل درک یافته های بالینی و ارائه یک گزارش دقیق از پاراگراف های مختلف است؛ تا فقط آنچه از نظر بالینی مهم است به جای آنچه در تصویر از نظر اشیاء وجود دارد برجسته گردد. در راستای رسیدن به نتایج مطلوب روش های متعددی پیشنهاد شده است که در این بین روش های مبتنی بر یادگیری عمیق، به نتایج بهتری دست یافته است. این مقاله به معرفی مجموعه داده ها، معیارهای ارزیابی و روشهای توسعه یافته بر پایه یادگیری عمیق در زمینه تفسیرخودکار تصاویر پزشکی می پردازد تا کمکی در راستای درک ادبیات موجود و برجسته نمودن مسیرهای آینده در این زمینه باشد.

بررسی روشهای خودکار تفسیر تصاویر پزشکی بر پایه یادگیری عمیق Keywords:

تفسیر تصاویر پزشکی , تفسیر تصاویر , شبکه عصبی کانولوشن , شبکه عصبی بازگشتی , مکانیزم توجه