Uma visão geral da aprendizagem profunda em imagiologia médica centrada em imagens de ressonância magnética

A aprendizagem autom嫢ica registou recentemente alguns desenvolvimentos dram嫢icos, que suscitaram um grande interesse por parte da indtria, do meio acad幦ico e da cultura popular. Estes desenvolvimentos s緌 impulsionados pelos avan蔞s nas redes neuronais artificiais, frequentemente designadas por aprendizagem profunda, um conjunto de t嶰nicas e algoritmos que permitem aos computadores descobrir padr髊s complicados em grandes conjuntos de dados. Os avan蔞s s緌 alimentados por um maior acesso aos dados ("big data"), por quadros de software de f塶il utiliza誽o e por uma explos緌 da capacidade de computa誽o dispon癉el, permitindo a utiliza誽o de redes neuronais mais profundas do que nunca. Atualmente, estes modelos constituem a abordagem mais avan蓷da para uma grande variedade de problemas no dom璯io da vis緌 computacional, da modeliza誽o da linguagem e da rob鏒ica. A aprendizagem profunda alcan蔞u a sua posi誽o de destaque na vis緌 computacional quando as redes neuronais come蓷ram a superar outros m彋odos em v嫫ios testes de refer瘽cia de an嫮ise de imagem de alto n癉el. O mais famoso foi o Image Net Large-Scale Visual Recognition Challenge (ILSVRC) em 2012, quando um modelo de aprendizagem profunda (uma rede neural convolucional) reduziu para metade a segunda melhor taxa de erro na tarefa de classifica誽o de imagens.