CLASSIFICAZIONI DI IMMAGINI A RAGGI X UTILIZZANDO L'APPRENDIMENTO PROFONDO OTTIMIZZATO

Le Reti Neurali Convoluzionali Profonde o semplicemente Reti Neurali Convoluzionali (CNN) sono recentemente diventate uno dei modelli di apprendimento più potenti ed espressivi per il riconoscimento di modelli di immagini, l'elaborazione di immagini mediche, la visione artificiale, il riconoscimento di caratteri scritti a mano/ottici, ecc. che sono ben esperti nell'eseguire i compiti di classificazione, sia binari che categoriali in modo efficiente e semplice. Oltre al suo ampio uso in vari campi e domini in questi giorni, ha guadagnato un'alta popolarità e riconoscimento nell'area della scienza medica, dato che vari rapporti medici in questi giorni sono altamente affidabili sul riconoscimento delle immagini basato sul Deep Learning. In questo libro, abbiamo addestrato un modello di rete neurale strutturata profonda, che è fondamentalmente un modello CNN su un grande set di dati di immagini radiografiche chiamato MURA (Musculoskeletal Radiographs Abnormality) e abbiamo cercato di prevedere le anomalie di un'immagine radiografica (se un'immagine è normale o anormale) sulla base di classificazioni binarie.