Ein Überblick über Deep Learning in der medizinischen Bildgebung mit Schwerpunkt auf MRI-Bildern

Das maschinelle Lernen hat in letzter Zeit einige dramatische Entwicklungen erlebt, die in der Industrie, der Wissenschaft und der Popul酺kultur auf gro es Interesse gesto en sind. Ausschlaggebend daf sind Durchbrhe bei kstlichen neuronalen Netzen, die oft als "Deep Learning" bezeichnet werden. Dabei handelt es sich um eine Reihe von Techniken und Algorithmen, die es Computern erm鐷lichen, komplizierte Muster in gro en Datens酹zen zu entdecken. Diese Durchbrhe sind auf den verbesserten Zugang zu Daten ("Big Data"), benutzerfreundliche Software-Frameworks und eine explosionsartige Zunahme der verfbaren Rechenleistung zurkzufren, die den Einsatz von neuronalen Netzen erm鐷licht, die tiefer sind als je zuvor. Diese Modelle stellen heute den modernsten Ansatz f eine Vielzahl von Problemen in den Bereichen Computer Vision, Sprachmodellierung und Robotik dar. Deep Learning erlangte seine herausragende Stellung in der Computer Vision, als neuronale Netze begannen, andere Methoden bei mehreren hochkar酹igen Bildanalyse-Benchmarks zu ertreffen. Am bekanntesten wurde dies bei der Image Net Large-Scale Visual Recognition Challenge (ILSVRC) im Jahr 2012, als ein Deep-Learning-Modell (ein neuronales Faltungsnetzwerk) die zweitbeste Fehlerquote bei der Bildklassifizierung halbierte.