Quiz sur l'IA dans l'imagerie médicale

Les réponses et les explications apparaissent au fur et à mesure que vous répondez au quiz.

1. Quel type de réseau neuronal a été le plus fondamental pour analyser les images médicales ?
   • Réseaux de neurones convolutifs (CNN)
   • Réseaux récurrents pour l'audio
   • Arbres de décision
   • Macros de feuille de calcul
2. Que fait le système Viz.ai ?
   • Horaires des menus de la cafétéria de l'hôpital
   • Analyse les tomodensitogrammes pour signaler les accidents vasculaires cérébraux suspectés et alerter l'équipe
   • Traduit les rapports de radiologie en musique
   • Remplace le matériel du scanner CT
3. À quoi sert l’architecture U-Net couramment utilisée en imagerie ?
   • Générer des paroles de chansons
   • Compresser des jeux vidéo
   • Segmentation par pixel, comme le contour d'une tumeur ou d'un organe
   • Cryptage des mots de passe des patients
4. What regulatory pathway did FDA use for the named Viz.ai imaging device?
   • A blanket approval covering all imaging-AI tools
   • A drug marketing authorization
   • An exemption from all clinical evidence requirements
   • A De Novo classification decision for a specific device and intended use
5. L’une des principales raisons pour lesquelles une IA d’imagerie pourrait échouer sur les données d’un nouvel hôpital est :
   • Différences de type de scanner, de protocole ou de population de patients par rapport aux données de formation
   • Les scans sont trop colorés
   • Le modèle n'aime pas le bâtiment
   • Les images sont toujours identiques partout
6. What do U-Net skip connections carry from the encoder to the decoder?
   • A patient’s medical record number
   • Higher-resolution feature maps that help recover spatial detail
   • A radiology report’s billing code
   • Only a global class label
7. Why should medical-imaging datasets generally be split at the patient level?
   • To make every scanner appear in only one dataset
   • To guarantee equal disease prevalence
   • To reduce leakage from multiple correlated images of the same patient across train and test sets
   • To remove the need for external validation
8. What does probability calibration assess in an imaging model?
   • Whether the scanner has been recently serviced
   • Whether every image has the same resolution
   • Whether the model segments the correct number of organs
   • Whether predictions assigned a probability match observed frequencies over evaluated cases