文章

文章是在与放射学实践相关的所有主题上提供单一规范页面的合作努力。因此,文章由无数的写入和编辑贡献成员经过一段时间。全球团体专用的编辑监督准确性,咨询专家顾问,并不断检查添加的内容。

88个结果
文章

激活函数

在神经网络中,激活函数对一个神经元的输入加偏差的加权和进行变换,以计算其输出。用生物学类比,激活函数决定了神经元对输入或刺激作出反应的“放电率”。这些函数…
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-RAD(人工智能甲状腺成像报告和数据系统)是2017年5月发布的数据驱动分析和修订版,2019年5月2日发布,这有意简化分类和提高特异性,同时保持高灵敏度。这个系统......
文章

Autoencoder

AutoEncoders是一种无监督的学习技术,其中用于学习人工神经网络来生成输入数据的压缩表示。基本上,AutoEncoding是一种数据压缩算法,其中压缩和解压缩功能是自动学习的......
文章

自动化偏见

自动化偏差是一种认知偏见的形式,当人类超值通过自动化的,通常是计算机化的系统产生的信息时发生的。自动化系统的用户无法理解或忽略计算机系统产生的不合逻辑或不正确的信息。电脑节目可能会克雷亚......
文章

反向传播(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)

批量大小是机器学习中使用的术语,是指一次迭代中使用的训练示例的数量。批量大小可以是三种选项之一:批处理模式:其中批次大小等于总数据集,从而使迭代和epoch值等效Mini-Batch 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

Boosting是一种集成技术,它通过构建相对简单的二进制分类任务决策规则块来创建越来越复杂的算法。这是通过连续训练新的模型(或“弱”学习者)来实现的,这些模型专注于分类错误的例子。
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)是利用计算机生成的输出作为临床医生进行诊断的辅助工具。它与计算机自动诊断不同,后者的最终诊断仅基于计算机算法。作为人工智能的一种早期形式,人工智能是人工智能的重要组成部分。
文章

计算机视觉

计算机视觉是一个涉及对视觉数据创造普遍自动化的计算机洞察力的领域,即让计算机看到。虽然通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、工程和神经科学的各个领域……
文章

混乱矩阵

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)是在深度学习中使用的神经网络的特定实现,其专门地处理诸如图像的阵列数据,因此通常用于针对医学图像的机器学习应用中。建筑一个卷积神经网络......
文章

成本函数(机器学习)

成本函数是在监督机器学习中使用的机制,与实际结果相比,成本函数返回预测结果之间的错误。监督机器学习的目的是最小化整体成本,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

随着用于训练算法的图像特征的数量增加,所需的训练示例的数量增加了几何增加,其被称为维度的诅咒。背景技术特征是基于哪种机器学习算法使预测的数量或特征......
文章

网络安全

网络安全是保护数字数据,软件和硬件的保护,包括攻击或与其完整性和/或数据机密相关的其他问题。网络安全可以利用许多不同类型的工具和协议,包括加密,防火墙和其他infrastuc ...
文章

数据增强

数据增强是一种通过添加已经现有数据的略微修改的副本来增加数据量的技术。这增加了培训集的多样性,这有助于减少培训机器学习模型时的过度装备,并且可以对模型的积极影响......
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

骰子相似系数

骰子相似度系数,也称为Sørensen-骰子指数或简单的骰子系数,是统计工具,其测量两组数据之间的相似性。该索引可以说是图像分割算法验证中最广泛使用的工具......
文章

DICOM到位图转换

DICOM到位图转换描述将存储在DICOM文件格式内的医学图像转换为原始像素数据。用于处理图像数据的计算机视觉技术通常在原始像素值上工作,因此在进一步处理之前需要这种转换可能需要PLAC ...
文章

合奏

合奏(有时集合学习)是一类META算法技术,其中训练多种型号,它们的结果汇总以改善分类性能。它在各种各样的问题方面是有效的。两种常用的方法是:升压:魏的方法......
文章

时代(机器学习)

epoch是在机器学习中使用的术语,并指示机器学习算法已完成的整个训练数据集的传递数量。数据集通常分组为批量(特别是当数据量非常大时)。有些人松散地使用迭代并...
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

可辩解的人工智能

可解释的人工智能(XAI)通常是指用方法制作的狭窄人工智能模型,使得能够对人类了解模型在每种情况下如何达到输出的方法。许多较旧的AI模型,例如,决策树,在Ho ......
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

联邦学习

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

可用访问可互操作的可重用数据原则(公平)

FAIR(可查找、可互操作、可重用)数据原则是一套增强数据语义机可解释性的指导原则,从而提高数据的丰富性和质量。自成立以来,多个国际组织认可了公平原则的适用……
文章

完全连接的神经网络

完全连接的神经网络(FCNN)是一种人工神经网络,其中架构使得所有节点或神经元在一层中连接到下一层中的神经元。虽然这种类型的算法通常适用于某些类型的数据,但实际上这是...
文章

恒定性

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

Ground truth是统计学和机器学习中使用的一个术语,指的是假设为正确的数据。关于机器学习算法在放射学中的发展,图像标记的地面真相有时基于病理或实验室结果,而在其他情况下,根据专家的研究结果。
文章

热图

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数据集

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

图像归一化是人工智能(AI)数据集的编制过程,将多幅图像在大小和像素值上放入一个共同的统计分布;然而,单个图像本身也可以被归一化。这个过程通常要……
文章

成像数据集(人工智能)

成像数据集的聚合是构建用于放射学的人工智能(AI)的关键步骤。成像数据集以各种方式使用,包括培训和/或测试算法。用于构建图像识别的卷积神经网络的许多数据集涉及...
文章

归责

Imputation指的是在数据集中缺少数据时创建数据的统计方法。丢失的数据通常不是随机的(因此会导致不同形式的偏见)。相对于简单地丢弃不完整的数据子集,Imputation从理论上改善了研究结果。几……
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)

用一般的计算术语来说,内核是特定软件的主要部分。这个术语,除非特别说明,指的是操作系统软件的主要部分,有些源代码甚至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)

学习曲线是机器学习模型的学习性能的曲线,随着时间的推移(通常是在多个时期中的损耗或准确度)。学习曲线是机器学习中广泛使用的诊断工具,以了解学习和泛化行为的概述......
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监督学习的一种形式,源于统计学中的线性回归模型。它是在假设两个变量具有线性关系的情况下运行的,因此,可以根据输入变量计算出一个输出变量的值。l
文章

Logistic回归(机器学习)

机器学习中的Logistic回归是一种分类模型,其预测二进制结果的概率,而不是线性回归,这是预测实际值的线性回归。Logistic回归输出在0到1之间受到约束,因此是一个流行的简单分类方法......
文章

损失功能

损失函数是统计中常用的数学函数。损失函数经常被用来创建机器学习算法。与成本函数相比,损失函数计算单个训练示例的误差,成本函数是ea的损失函数的平均值。
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

均方误差

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)

每个机器学习模型都会有所不同,而这些模型部分则由解决的问题确定。虽然最近在图像处理领域的近似的工作通常,更具体地说,放射学,已经集中在卷积神经网络中,一种神经网络,一个numbe ......
文章

自然语言处理

自然语言处理(NLP)是与人类语言有关的人工智能的积极研究领域。自然语言处理计划使用人的书面文本或人类演讲作为分析数据。自然语言处理程序的目标可以从生成时变化......
文章

神经网络架构

人工神经网络可以广泛分为不同的架构,馈电或经常性的神经结构。前馈神经网络在“层”中更容易概念化。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中......
文章

神经网络(概述)

人工神经网络是一种强大的模型,能够处理许多类型的数据。最初受到生物神经网络之间的联系的启发,现代人工神经网络仅对他们的生物对应物处于高水平的轻微相似之处。壬酸......
文章

降噪

降噪,也称为噪声抑制或去噪,通常是指在创建它们的情况下减少数字图像中的噪声的各种算法技术,尽管少数源更广泛地使用该术语来暗示降低噪声的任何东西。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

过度装备是机器学习中的一个问题,它将基于噪声和无意义的数据引入预测或分类的错误。在训练数据集是尺寸不足或训练数据集的情况下,过度装备趋于发生在尺寸不足或培训数据集中包括参数和/或不相关的功能......
文章

主要成分分析

主成分分析是一种数学变换,可以分为两部分:转换将多变量数据(nold尺寸)映射到具有最小信息损失的新坐标系(Nnew尺寸)。在新Coor的第一个维度上投影的数据......
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验证的,基于生物医学成像的可量化特征的标准化特征,可以可靠地和客观地测量比率或间隔量表。定量成像生物标志物的效用在于提供超出CA的信息......
文章

辐射瘤

辐射瘤(如放射学应用)是一种医学研究领域,其目的是使用数据表征算法从医学图像中提取大量定量特征。评估数据以改进决策支持。它有可能发现疾病特征......
文章

随机森林(机器学习)

随机森林也称为随机决策森林,是一种特殊类型的集成算法,利用基于数据集子集的决策树的组合。一个随机森林算法不做一个更小的决策树的决策树,而是利用决策树在pa…
文章

递归神经网络

经常性神经网络(RNN)是神经网络的形式,其通过上下文存储器识别顺序信息中的模式。经常性的神经网络已应用于许多类型的顺序信息,包括文本,语音,视频,音乐,遗传序列甚至临床......
文章

正规化(正规化)

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是一个由R基金会支持的用于统计计算和图形的编程语言和免费开源软件环境。它是根据GNU通用公共许可证免费提供的。R是一个高度流行的语言编程在一般的统计和生物统计在p…
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

缩放

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

单线性回归

单线性回归,也称为简单的线性回归在统计中,是将一个独立的变量与一个依赖变量之间的关系映射到第一程度多项式中的技术。线性回归是最简单的曲线拟合的例子,一种数学问题我......
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)是一种监督的学习算法,用于将数据组分离具有裕度或平面的数据,尽可能确保它更有可能概括到它以前从未见过的例子。在两个特征数据设置边距或线路的情况下...
文章

合成和增强数据

在放射图像的背景下,合成和增强数据不是完全由患者的直接测量产生的数据。机器学习模型随着数据的增加而改进。然而,目前相对缺乏开放的、免费的放射学数据集。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

施工

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)

无监督的学习是机器学习中使用的主要类型的算法之一。未经监督的学习算法用于未提供输出标签的数据集。因此,代替尝试预测每个输入的特定输出,这些算法尝试发现联合国......

更新...请稍候。

无法处理表格。检查错误,然后再试一次。

感谢您更新您的个人资料。