Um einen Algorithmus zu erstellen, benötigen Sie (fast) immer einen Datensatz, die Trainingsdaten, um loszulegen. Dieser Datensatz ist ein Stapel des Datentyps, den Ihr Algorithmus analysieren soll. In der Radiologie wären dies Bilddaten. Abhängig von der Art des verwendeten Algorithmus benötigen Sie möglicherweise auch zusätzliche Informationen. Dies können Informationen zu dem sein, was Sie auf dem Bild sehen (z. B. eine Segmentierung) oder andere Patienteninformationen.
Ein Bildmerkmal ist ein messbares Merkmal oder eine bestimmte Eigenschaft, die Sie in jedem Bild der Trainingsdaten finden können. Wenn es sich bei Ihren Eingabedaten beispielsweise um eine Reihe von Röntgenbildern der Hüfte handelt, können die Bildmerkmale die Form des Femurkopfs des Patienten umfassen, sie können jedoch auch abstrakter sein, z. B. die Verteilung der Graustufenwerte innerhalb des Femurs Kopf.
Künstliche Intelligenz wird voraussichtlich eine große Rolle bei der Transformation der radiologischen Praxis spielen. Aus diesem Grund möchten wir die Grundlagen der künstlichen Intelligenz auf hoher Ebene erläutern. Was ist das und wie funktioniert es?
Je nach Kontext können verschiedene Definitionen für künstliche Intelligenz verwendet werden. Viele dieser Definitionen verbinden menschliches Verhalten mit dem (beabsichtigten) Verhalten eines Computers. Im Fall der Radiologie decken diese Definitionen den Umfang der KI nicht ganz ab, da es viele Situationen gibt, in denen die KI die menschlichen Fähigkeiten übersteigt. In der Radio Genomik verknüpfen beispielsweise genetische Informationen mit dem, was auf medizinischen Bildern erkannt wird, und können so das Vorhandensein oder Fehlen genetischer Mutationen in einem Tumor vorhersagen, anhand derer die weitere Diagnose und Behandlung bestimmt werden kann. Ein weiteres Beispiel ist die Anwendung von Deep Learning (DL) auf die Bildrekonstruktion in MRT oder CT, die als Deep Imaging bezeichnet wird. Die Bildqualität kann durch Verwendung von DL-Algorithmen verbessert werden, die die rohen k-Raum-Daten eines MRT-Scans in ein Bild übersetzen. Eine Definition für KI, die diesen Kriterien entspricht, könnte sein
- "Ein Zweig der Informatik über die Simulation intelligenten menschlichen Verhaltens in Computern".
- Eine noch weitergehende Verfeinerung dieser Definition von KI im Kontext der Radiologie führt zu
- "Ein Zweig der Informatik, der sich mit der Erfassung, Rekonstruktion, Analyse und / oder Interpretation medizinischer Bilder durch Simulation des menschlichen intelligenten Verhaltens in Computern befasst."
Im Bereich der künstlichen Intelligenz gibt es eine breite Palette von Methoden. Wie bereits erwähnt, deckt maschinelles Lernen einen Teil dieses Bereichs ab, und Deep Learning ist eine der Methoden des maschinellen
Klassifizierungsalgorithmen klassifizieren die Eingabe, die sie erhalten. Zum Beispiel, ob ein Gehirntumor ein Oligodendrogliom oder ein Astrozytom ist, zusammen mit der Sicherheit dieser Klassifizierung. Klassifizierungsalgorithmen werden normalerweise mit beschrifteten Bildern erstellt. Da Sie genau wissen, in welche Klassen Sie Ihre Eingabe kategorisieren möchten, handelt es sich um eine überwachte Methode.