Сверточная нейронная сеть глубокого обучения для распознавания изображений инсульта: Обзор

Аннотация

Глубокое обучение является одним из развивающихся области исследования искусственного интеллекта. Она включает в себя методы машинного обучения, которые основаны на искусственных нейронных сетях. Одним из методов, который широко применяется и исследуется в последние годы, это – сверточные нейронные сети (CNN). Они имеют разный спектр задач исследований, и медицина одна из главных. На сегодняшний день, превалирующей глобальной проблемой считается острое нарушение кровоснабжения головного мозга – инсульт. Наиболее важными диагностическими исследованиями при инсульте считаются компьютерная томография (КТ), а также магнитно-резонансная томография (МРТ). Однако, несвоевременное распознавание и диагностирование со стороны специалиста могут повлиять на жизни многих пациентов. Для подобных случаев, роль и помощь сверточных нейронных сетей велика. Сверточные нейронные сети глубокого обучения использует нелинейные реформирования и абстракции моделей высокого уровня в больших базах данных. Год за годом, достижения в области архитектуры глубокого обучения, а именно сверточных нейронных сетей, для распознавания инсульта вносят значительный вклад в развитие медицины. В этой статье представлен обзор достижения нейронных сетей глубокого обучения в распознавания инсульта по изображениям мозга. В следующем обзоре хронологически представлено, основная блок-схема нейронной сети и открытые базы данных, предоставляющие изображения МРТ и КТ. Кроме того, представлен сравнительный анализ использования сверточных нейронных сетей при выявлении инсульта, а также достигнутые показатели используемой методологий.