文章

文章是一个协作的努力,提供一个单一的规范页上的所有主题相关的实践放射学。因此,无数的文章被编写和编辑贡献成员经过一段时间。全球团体专门的编辑器监督准确性,咨询专家顾问,并不断审查添加。

88年的结果发现
文章

激活功能

在神经网络中,激活函数对输入到神经元的加权总和执行转换,以便计算其输出。使用生物学类比,激活函数响应于输入或刺激来确定神经元的“烧制率”。这些功能......
文章

人工智能

然而,人工智能(AI)已经被一些作为“计算机科学的分支处理计算机中的计算机科学分支”,但是,精确的定义实际上是专家之间的辩论问题。替代定义是计算机科学的分支......
文章

人工智能(AI)TI-RADS

AI TI-RADS(人工智能甲状腺成像报告和数据系统)是2017年ACR TI-RADS 1的数据驱动分析和修订。这篇文章发表于2019年5月2日,目的是在保持高敏感性的同时简化分类,提高特异性。这个系统……
文章

autoencoder.

自动编码器是一种无监督学习技术,其中人工神经网络被用来学习产生输入数据的压缩表示。本质上,自动编码是一种数据压缩算法,其中压缩和解压函数是自动学习的…
文章

自动化的偏见

自动化偏差是认知偏差的一种形式,当人们高估一个自动化的、通常是计算机化的系统产生的信息时,就会出现这种偏差。自动化系统的用户可能无法理解或忽视计算机系统产生的不合逻辑或不正确的信息。计算机程序可以创造……
文章

backprojagation(机器学习)

在有监督的机器学习中,反向传播是用于计算与卷积神经网络(CNN)中每个参数权重相关的误差函数梯度的过程。从本质上说,梯度估计了系统参数应该如何改变,以优化t…
文章

袋装

Bagging是机器学习、数据科学和计算统计领域经常使用的术语,指的是bootstrap聚合。Bootstrapped of data can be employed in many different AI (artificial intelligence) algorithms . Bootstrapped of data can be employed in many different AI (artificial intelligence) algorithms . Bootstrapped of data can be employed in many different AI (artificial intelligence) algorithms . Bootstrapped of data can be employed in many different AI (artificial intelligence) algorithms。
文章

批量大小(机器学习)

批大小是机器学习中使用的一个术语,指的是在一次迭代中使用的训练示例的数量。批处理大小可以是三个选项之一:批处理模式:其中批处理大小等于总的数据集,从而使迭代和epoch值等效的小批处理mod…
文章

贝叶斯因子

贝叶斯因子是一个量化两个模型或假设相互之间相对可能性的数字,如果将其制成一个比例,例如,如果两个模型基于先前证据(或没有先前证据)是等可能的,那么贝叶斯因子就是1。这些因素有几个用处……
文章

贝叶斯的定理

贝叶斯定理,又称贝叶斯规则或贝叶斯定律,是统计学中的一个定理,它描述了一个事件或条件与另一个已知事件或条件之间的概率关系。数学上,该理论可以表示为:P(A|B) = (P(B|A) x P(A))/P(B),其中,已知…
文章

提升

升压是一个集成技术,可以从建筑物块中创建越来越简单的决策规则的算法,以获得二进制分类任务。这是通过顺序培训新模型(或“弱”学习者)来实现的,这些模型专注于分类incorre的例子......
文章

定心

居中是数据的统计运行。在用于图像分类相关任务的神经网络的上下文中,它暗示训练数据集中的图像的强度标准化。在专门用于基于X射线的图像的神经网络的背景下,因此它意味着校正......
文章

类激活映射(CAM)

类激活映射是一种生成图像热图的方法,显示哪些区域在神经网络的图像分类中是高度重要的。该方法有几个变体,包括Score-CAM和Grad-CAM(梯度加权类激活映射)。…
文章

聚类

聚类,也称为集群分析,是一种机器学习技术,旨在将类似的数据点组合在一起。由于数据点不一定必须被标记,因此群集是一个无监督学习的示例。机器学习中的聚类不应该与D混淆......
文章

计算机辅助诊断

计算机辅助诊断(CAD)是使用计算机生成的输出作为临床医生的辅助工具进行诊断。它与自动化计算机诊断不同,其中结束诊断仅基于计算机算法。作为人工智能的早期形式,co ...
文章

计算机视觉

计算机愿景是一个涉及广义自动化计算机洞察到视觉数据的领域,即使计算机看到。虽然经常被理解为计算机科学中的一个领域,但该领域实际上涉及信息学中的工作,工程和神经照片的各种领域......
文章

混淆矩阵

混淆矩阵是一种统计工具,是评价机器学习算法分类性能的关键工具。列联表是一种混淆矩阵,用于评估许多诊断检查的敏感性、特异性、阳性和阴性预测值....
文章

卷积

卷积是一种数学概念,暗示了两个功能的总和。在放射学的实际术语中,卷积意味着将数学操作应用于信号,使得产生不同的信号。卷积应用于CTS和MRI的图像处理。Conv ......
文章

卷积神经网络

卷积神经网络(CNN)是用于深度学习的神经网络的一种特殊实现,专门处理图像等阵列数据,因此经常用于针对医学图像的机器学习应用。一个卷积神经网络…
文章

成本函数(机器学习)

代价函数是一种用于监督机器学习的机制,代价函数返回预测结果与实际结果之间的误差。监督机器学习的目标是最小化总成本,从而优化模型与sy的相关性。
文章

交叉熵

交叉熵是两个概率分布之间的不平等程度的度量。在监督学习的情况下,其中一个分布代表了一个训练示例的“真”标签,其中正确的回答被赋值为100%。如果p(x)…
文章

诅咒的维度

维数魔咒是指多个领域中与高维数据有关的一些现象。就放射学的机器学习而言,它通常指的是这样一种现象:随着用于训练算法的图像特征数量的增加,会有一个几何…
文章

网络安全

网络安全是指保护数字数据、软件和硬件免受包括攻击或与其完整性和/或数据机密性相关的其他问题在内的风险。网络安全可能利用许多不同类型的工具和协议,包括加密、防火墙和其他基础设施……
文章

数据增加

数据增强是一种通过添加对现有数据稍加修改的副本来增加数据量的技术。这增加了训练集的多样性,有助于减少训练机器学习模型时的过拟合,并可以对模型的性能产生积极的影响。
文章

决策树(机器学习)

机器学习中的决策树模型是一种基于数据特征提供选择的算法。它遵循“分支节点理论”,在这个理论中,每个分支都代表一个变量和一个决策。通常决策树模型将以以下规则格式表示:…
文章

深度学习

深度学习是基于多层(A.K.A.“深度”)人工神经网络的机器学习的子集。它们的高度灵活的架构可以直接从数据(如图像,视频或文本)学习,而无需手工编码规则,并且可以在p ...时提高预测精度
文章

深度学习框架

深度学习框架是通过高级编程接口培训和验证深度神经网络的仪器。广泛使用的深度学习框架包括图书馆Pytorch,Tensorflow和Keras。程序员可以使用这些更高功能的这些库来快速...
文章

骰子相似度系数

骰子相似系数,也称为Sørensen-Dice指数或简单的骰子系数,是一个统计工具,衡量两组数据之间的相似性。这一指数已经成为可以说是最广泛使用的工具,在验证的图像分割算法创建的wi…
文章

DICOM到位图转换

DICOM到位图转换描述了将DICOM文件格式存储的医学图像转换为原始像素数据的过程。处理图像数据的计算机视觉技术通常对原始像素值起作用,因此在进行进一步处理之前需要进行这种转换。
文章

系综

集成(有时是集成学习)是一种元算法技术,它训练多个模型并将它们的结果聚合起来以提高分类性能。它对各种各样的问题都有效。常用的两种方法有:升压法:威法……
文章

时代(机器学习)

epoch是机器学习中使用的术语,表示机器学习算法完成整个训练数据集的次数。数据集通常被分组成批(特别是当数据量非常大时)。有些人使用迭代这个词很松散…
文章

进化算法(机器学习)

进化算法是机器学习中使用的主要算法类型之一,它模拟自然选择,算法中的伪随机变化与函数产生的选择压力相比较。更成功的算法然后被用作“父母”t…
文章

可解释的人工智能

可解释人工智能(XAI)通常是指狭义的人工智能模型,其方法使人类能够并增强对模型在每种情况下如何达到输出的理解。许多早前的AI模型,例如决策树,从本质上来说是可以理解的。
文章

特征提取

特征提取是在机器学习和图像处理中使用的过程,通过将数据转换为更小的更多相关数据集。特征提取是一种减少维度的一系列。功能提取可以在文本上执行作为NLP的一部分或用于COM的图像
文章

特征缩放

特征缩放预处理技术,用于标准化数据功能中的值范围,确保这些功能处于类似的比例。当某个特征的值范围太可变时,使用它,并且包含极端值,因为大多数算法表现不佳......
文章

联合学习

联合学习,也称为分布式学习,是一种技术,便于创建强大的人工智能模型,其中数据在本地设备(节点)上培训,然后将权重传送到中心模型。模型可能会使用较大和/或更大的d ...
文章

可查找可互操作可重用数据原则(FAIR)

公平(可接近的可访问可互操作的可重用)数据原则是一组关于增强数据的语义机器可解释性的一套指导,从而提高其丰富性和质量。自成立以来,多个国际组织已批准博览会原则的应用......
文章

全连通神经网络

全连接神经网络(FCNNs)是一种人工神经网络,其结构是将一层的所有节点或神经元连接到下一层的神经元。虽然这种类型的算法通常应用于某些类型的数据,在实践中,这是t…
文章

Generalisability

机器学习模型中的恒定性表示模型可以调整到新示例数据集的程度。评估机器学习应用的永恒性至关重要,因为这对其临床适应性具有深远的影响。简而言之,使用两个主要技术......
文章

生成对抗网络

生成式对抗网络(GANs)是一种优雅的深度学习方法,用于生成与真实数据难以区分的人工数据。两个神经网络成对地相互对抗(对手)。第一个网络生成人工数据来再现真实数据。secon……
文章

地面实况

地面事实是在统计和机器学习中使用的术语,以指假设要正确的数据。关于放射学中机器学习算法的发展,图像标签的基础事实有时基于病理或实验室结果,而在其他情况下,专家o ...
文章

热点图

热图是具有颜色矩阵中数据的视觉表示。数据的两个维度被点(即,地图)的位置捕获,并且第三维由点的颜色表示(即,值)。一些核医学研究在技术上是热的例子......
文章

Hyperparameter(机器学习)

HyperParameters是在算法在数据上运行之前选择的机器学习算法的具体方面。这些普遍的参数是特定于型号的型号。它们通常包括深度学习模型的时期的数量或决策树模型中的分支的数量。......
文章

Imagenet DataSet.

该想象是一种广泛的图像数据库,这在推进计算机视觉和深度学习研究方面一直是有用的。它包含超过1400万,手工注释的图像分为20,000多个类别。在至少一百万的图像中,边界框也是专业的......
文章

图像归一化

图像归一化是一种过程,通常用于制备人工智能(AI)的数据集,其中多个图像在尺寸和像素值方面被放入常见的统计分布;然而,单个图像也可以自身归一化。这个过程usua ......
文章

成像数据集(人工智能)

成像数据集的聚合是构建放射学人工智能(AI)的关键步骤。成像数据集以多种方式使用,包括训练和/或测试算法。构建卷积神经网络用于图像识别的许多数据集都涉及到以下问题:
文章

归责

归纳是指在数据集中缺少时创建数据的统计方法。缺少的数据通常不是随机的(因此可以导致不同的偏差形式)。归纳理论上改善了研究结果,而不是简单地丢弃不完整的数据子集。Severa ......
文章

信息泄露

信息泄露是所有机器学习应用程序中处理中的常见和重要错误之一,包括放射学中的数据处理。简而言之,这意味着训练,验证和测试数据集的不完整分离,这可以显着改变表观性能......
文章

迭代(机器学习)

迭代是机器学习中使用的术语,表示算法参数更新的次数。确切地说,这意味着什么将取决于上下文。一个典型的神经网络迭代训练的例子包括以下步骤:
文章

内核(计算)

在一般计算术语方面,内核是特定软件的主要部分。除非另有说明,否则该术语是指操作系统软件的主要部分,一些源甚至可以与操作系统互换使用。这个术语也可以描述某些Mac ...
文章

学习曲线(机器学习)

学习曲线是一个机器学习模型的学习性能(通常以损失或准确性衡量)随时间(通常在几个时代)变化的曲线图。学习曲线是机器学习中广泛使用的一种诊断工具,可以概述学习和泛化行为。
文章

线性代数

线性代数是具有极其不同应用的数学领域。这种类型的数学从数字扩展到矩阵和向量等复杂对象。在放射学方面,线性代数应用包括CT重建算法,神经网络......
文章

线性判别分析

线性判别分析(LDA)是机器学习中采用的一种算法模型,以便对数据进行分类。与其他一些现在流行的模型不同,线性判别分析已在AI中的几十年中用于放射学1和许多其他生物医学应用。线性isci ...
文章

线性回归(机器学习)

机器学习中的线性回归是一种监督学习的形式,源自统计中的线性回归模型。它在假设下,两个变量具有线性关系,因此可以基于输入变量计算输出变量的值。l ...
文章

Logistic回归(机器学习)

机器学习中的逻辑回归是一种分类模型,它预测二进制结果的概率,而线性回归则预测实际值。逻辑回归的输出被限制在0到1之间,因此是一种流行的简单分类方法。
文章

损失函数

损失函数是统计中常用的数学函数。损耗函数经常用于创建机器学习算法。损耗函数与成本函数相比,计算单个训练示例的错误,这是来自EA的损耗功能的平均值。
文章

机器学习

机器学习是计算机科学和数学的具体实际应用,允许计算机基于没有明确的编程的观察模式外推动信息。机器学习程序的定义特征是在C ...中的任务中的性能提高...
文章

机器学习的过程

机器学习算法如何通过训练来识别某些特征,从而能够对新例子做出准确预测,这取决于所使用的数据类型和算法架构。最常用的四个学习过程是:……
文章

平均方形错误

均方误差是一种特定类型的损耗功能。均方误差由平均值计算,特别是从数据中平衡的错误,因为它涉及函数(通常是回归线)。均方误差的效用来自Squared Nu ......
文章

型号(机器学习)

每一个机器学习模型都是不同的,而这在一定程度上取决于要解决的问题的类型。尽管最近在图像处理领域的大部分工作,特别是放射学,都集中在卷积神经网络,一种神经网络,一个数字…
文章

自然语言处理

自然语言处理(Natural language processing, NLP)是人工智能领域研究的热点之一。自然语言处理程序使用人类的书面文本或人类的语音作为分析数据。自然语言处理程序的目标可以从生成…
文章

神经网络结构

人工神经网络可以大致分为不同的结构,前馈或循环神经结构。前馈神经网络更容易被定义为“层”。神经网络的第一层仅仅是每个样本的输入,每个神经元在e…
文章

神经网络(概述)

人工神经网络是一种强大的模型,能够处理多种类型的数据。现代人工神经网络最初是受到生物神经网络之间联系的启发,与生物学上的同类网络在高水平上只有轻微的相似之处。尽管如此……
文章

降噪

降噪,也被称为噪声抑制或去噪,通常指的是各种算法技术,以降低数字图像中的噪声一旦创建,虽然一些来源使用这个术语更广泛地意味着任何降低噪声。在数字图像处理中各种…
文章

优化算法

优化算法广泛利用了通过最大化或最小化功能解决问题的数学函数。这些算法用于从患者调度到放射学的各种目的。机器Lea中使用机器学习优化算法......
文章

过度装满

过拟合是机器学习中的一个问题,它将基于噪声和无意义数据的误差引入预测或分类中。当训练数据集的大小不足或训练数据集包含参数和/或不相关的特征时,往往会发生过拟合。
文章

主成分分析

主成分分析是一种数学转换,可以分为两部分:转换将多变量数据(Nold维度)映射为一个新的坐标系统(Nnew维度),信息损失最小。数据预测的第一个维度的新coor…
文章

Python(编程语言)

Python是一种高级通用计算机编程语言。最初,Python是由荷兰计算机编程器Guido Van Rossum创建的,并于1991年首次发布。3.7.4(这是截至2019年7月最近的最近稳定版本)Python语言有对象和关联...
文章

定量成像生物标志物

定量成像生物标志物是经过验证的标准化特征,基于生物医学成像的可量化特征,可以可靠地、客观地以比率或间隔尺度进行测量。定量成像生物标记物的实用性在于提供超出ca的信息。
文章

辐射瘤

放射组学(如应用于放射学)是医学研究的一个领域,目的是从医学图像中提取大量的定量特征,使用数据表征算法。对这些数据进行了评估,以改进决策支持。它具有揭示疾病特征的潜力。
文章

随机森林(机器学习)

随机森林也称为随机决定林是一种特定类型的合奏算法,其利用基于数据集的子集的决策树的组合。随机森林算法不制作较小决策树的决策树,而是利用PA中的决策树...
文章

经常性神经网络

循环神经网络(RNNs)是一种神经网络的形式,通过上下文记忆识别序列信息的模式。循环神经网络已被应用于多种序列信息,包括文本、语音、视频、音乐、基因序列,甚至临床。
文章

Regularisation(规范化)

正则化是为了减少模型对训练数据的过拟合,通过添加额外参数来降低模型复杂性的过程。在放射学中,用于解释图像的常见模型类型是卷积神经网络……
文章

强化学习(机器学习)

强化学习是机器学习中使用的主要算法之一。在每个时间步中,该代理从它们的环境中获取信息并执行一个操作。某些动作会奖励代理。强化学习使这些最大化…
文章

R(编程语言)

R是一个编程语言和免费的开源软件环境,用于r基础支持的统计计算和图形。它在GNU通用公共许可下自由提供。R是一种高度流行的语言,用于在P ...中统计中的统计数据......
文章

基于规则的专家系统

基于规则的专家系统是最简单的人工智能形式,并使用规定的基于知识的规则来解决问题1.专家系统的目的是从人类专家接受知识并将其转换为许多硬编码规则适用于输入数据。在他们的...
文章

扩展

缩放是一种线性变换,可以改变数学对象的大小。可以缩放的放射科学家的辐射科医生的数学对象通常是图像矩阵。这种简单的空间归一化类型是用于创建图像数据集的图像归一化的共同步骤...
文章

分割

在信息学的上下文中进行放射学的分割是指在像素或体素方面划分对成像的感兴趣区域。分割通常由计算机化算法完成,这些计算机化算法从简单地选择在邻近的类似值的像素时的复杂性。
文章

选择偏见

选择偏差是当数据采样的数据不代表学习或模型旨在进行预测的人口或组数据时产生的偏差类型。选择偏差是数据选择和集合中系统错误的结果。讲实际上的选择bi ...
文章

半监督学习(机器学习)

半监督学习是一种利用一些有标签的数据和一些没有标签的数据来训练模型的机器学习方法。这种方法可以有效地解决标记数据数量不足的问题。有些人认为它是监督学习的一种变体,而……
文章

单一的线性回归

单线性回归,又称简单线性回归,在统计学中,是一种将一个自变量和一个因变量之间的关系映射为一次多项式的技术。线性回归是曲线拟合的一个最简单的例子,是一种数学问题。
文章

监督学习(机器学习)

监督学习是医学成像研究中最常用的机器学习算法。它涉及从一组图像或数据训练算法,其中输出标签已经已知1.监督学习被分为两个子类别,分类和regles ......
文章

支持向量机(机器学习)

支持向量机(SVM)是一种监督学习算法,用于分离数据组与边界或平面,这是尽可能的,以确保它更有可能推广到它从未见过的例子。在两个特征数据的情况下设置一个边距或线…
文章

合成和增强数据

在放射性图像的背景下,合成和增强数据是通过从患者直接测量完全产生的数据。机器学习模型随着数据的增加而改善。但是,有一个相对缺乏开放,可用的放射学数据集。Patie的问题......
文章

培训,测试和验证数据集

输入数据的划分为培训,测试和验证集在创建强大的机器学习算法中至关重要。首先,机器学习算法需要训练训练训练。每次迭代,它计算预测和实际之间的差异......
文章

转移学习

人工神经网络转移学习的概念正在考虑一个特定领域的训练获取知识,并在学习单独的任务时应用。近年来,使用大规模数据(例如,想象成)和T ......
文章

Underfitting

统计和机器学习建模中的垫底是过度装备的对应。当模型不足以准确地捕获数据集的功能和目标变量之间的关系时,即网络正在努力学习DAT中的模式......
文章

无监督学习(机器学习)

无监督学习是机器学习的主要算法之一。无监督学习算法用于没有提供输出标签的数据集。因此,这些算法不是试图预测每个输入的特定输出,而是试图发现un…

更新……请稍等。

无法处理表单。检查错误并重试。

感谢您更新您的详细信息。