بررسي روش هاي خودكار تفسير تصاوير پزشكي بر پايه يادگيري عميق

تفسيرخودكار تصاوير، زمينه جديدي از هوش مصنوعي است كه دو شاخه پردازش زبان‌ طبيعي و يادگيري ماشين را به خدمت مي‌گيرد. تحقيقاتي كه در سالهاي اخير بر روي اين مقوله انجام‌ شده و نتايج قابل قبولي كه در اين زمينه حاصل شده‌است از يك طرف و نياز جامعه پزشكي به تفسيرخودكار تصاوير پزشكي از طرف ديگر، محققان را بر آن داشته تا اين رويكرد را در اين زمينه نيز به‌ كار گيرند. تفسير خودكار تصاوير پزشكي نسبت به مسأله توصيف خودكار تصاوير طبيعي، چالش برانگيزتر مي‌باشد.كميت و كيفيت مجموعه‌داده‌هاي موجود در اين مقوله نسبت به مجموعه‌داده‌هاي تفسير تصاوير طبيعي كمتر است، تفسيرها غيرساختار‌يافته‌اند و تفسير تصاوير طبيعي، شامل توصيف اشياء و روابط بين آنها با يك يا چند جمله است درحالي‌كه شرح تصاوير پزشكي شامل درك يافته‌هاي باليني و ارائه يك گزارش دقيق از پاراگراف‌هاي مختلف است؛ تا فقط آنچه از نظر باليني مهم است به جاي آنچه در تصوير از نظر اشياء وجود دارد برجسته گردد. در راستاي رسيدن به نتايج مطلوب روش‌هاي متعددي پيشنهاد شده‌است كه در اين بين روش‌هاي مبتني‌ بر يادگيري ‌عميق، به نتايج بهتري دست يافته‌است. اين مقاله به معرفي مجموعه‌داده‌ها، معيارهاي ‌ارزيابي و روشهاي توسعه‌يافته بر پايه يادگيري‌ عميق در زمينه تفسيرخودكار تصاوير پزشكي مي‌پردازد تا كمكي در راستاي درك ادبيات موجود و برجسته نمودن مسيرهاي آينده در اين زمينه باشد.