مع تطور تقنية التصوير الطبي، أصبحت تحليل الصور الطبية جزءًا حيويًا من التشخيص السريري. ومع ذلك، تعتمد طرق تحليل الصور التقليدية على استخراج الميزات يدويًا وتقييم الخبراء، مما يثير مشاكل مثل انخفاض الكفاءة وعدم الدقة. لقد حققت تقنيات التعلم العميق، خاصة الشبكات العصبية التلافيفية (CNNs)، اختراقات هامة في تحليل الصور الطبية في السنوات الأخيرة. الهدف من هذه الورقة هو دراسة تطبيق التعلم العميق في التصوير الطبي، واستكشاف المزايا وإمكانات التطوير في التشخيص المبكر للأمراض، وتقسيم الصور، واستخراج الميزات. تستعرض هذه الورقة المبادئ الأساسية للتعلم العميق وتحلل قابلية تطبيقه في التصوير الطبي من خلال دمج خصائص التصوير الطبي. من خلال التحليل المنهجي للأدبيات القائمة، تلخص هذه الورقة الإنجازات الملحوظة للتعلم العميق في معالجة وتحليل وتطبيقه على مجموعة متنوعة من الصور الطبية، مثل التصوير بالتماسك البصري (OCT) والتصوير بالرنين المغناطيسي (MRI) وما إلى ذلك. لقد تم تناول أن أساليب التعلم العميق يمكن أن تحسن بشكل كبير من دقة وكفاءة معالجة الصور الطبية وتظهر أداءً أفضل من الطرق التقليدية في مهام مثل التصنيف. ومع ذلك، لا يزال تحسين قابلية تفسير النماذج والقدرة العامة للتطبيقات السريرية نقاط بحث حالية وتحديات.
دراسة Jie Zhang (الأربعاء،) لهذا السؤال.