Искусственный интеллект с непрерывным обучением в радиологии: принципы внедрения и первые применения
Continuous Learning AI in Radiology: Implementation Principles and Early Applications
2020-08-25
SCID: 54.1/m8byq2kk
Discuss with AI
автоматизированная клиническая интеграциянепрерывное обучение ИИновые приложенияпринципы внедрениярадиология
Figures from the paper
Abstract (AI)
Искусственный интеллект (ИИ) становится всё более распространённым в радиологии и здравоохранении. Этот рост определяется основными преимуществами ИИ: автоматизацией, точностью и объективностью. Однако по мере того как ИИ в радиологии совершенствуется и интегрируется в повседневную практику, он должен выйти за рамки воспроизведения статических моделей и перейти к выявлению новых знаний на основе данных и окружения. ИИ с непрерывным обучением представляет собой следующий значимый шаг в этом направлении и открывает новый набор возможностей и задач. В данной работе авторы обсуждают основные концепции и требования к внедрению непрерывного ИИ в радиологии и иллюстрируют их примерами из развивающихся приложений.
Key Findings
1
Непрерывное обучение ИИ открывает новые возможности и вызывает новые проблемы для интеграции в рутинную практику радиологии.
2
Внедрение непрерывного ИИ в радиологии требует специальных концепций и требований, рассмотренных в статье.
3
ИИ в радиологии должен эволюционировать от статических моделей к системам непрерывного обучения для извлечения новых знаний из данных и окружения.
4
Статья иллюстрирует принципы непрерывного обучения примерами из новых приложений в радиологии.
Research Object
Системы искусственного интеллекта с непрерывным обучением, применяемые в радиологии
Research Subject
Принципы, требования, возможности и проблемы внедрения ИИ с непрерывным обучением в повседневный рабочий процесс радиологии, включая ранние примеры применения
Publication Details
Publication Date
2020-08-25
Journal
Publisher
ISSN
Access Type
Author Information
Download PDF
Subscribe to digest
Источники этой статьи в scid.ai4
Непрерывное обучение на протяжении всей жизни с использованием нейронных сетей: обзор2019
Преодоление катастрофического забывания в нейронных сетях2017
Руководящие принципы FAIR для управления научными данными и их сопровождения2016
Глубокие сверточные нейронные сети для автоматизированного обнаружения: архитектуры CNN, характеристики наборов данных и перенос обучения2016