AI dalam Kuis Pencitraan Medis

Jawaban dan penjelasan muncul saat Anda mengikuti kuis.

1. Jenis jaringan saraf manakah yang paling mendasar untuk menganalisis gambar medis?
   • Jaringan saraf konvolusional (CNN)
   • Jaringan berulang untuk audio
   • Pohon keputusan
   • Makro spreadsheet
2. Apa yang dilakukan sistem Viz.ai?
   • Menjadwalkan menu kantin rumah sakit
   • Menganalisis CT scan untuk menandai dugaan stroke pembuluh darah besar dan memperingatkan tim
   • Menerjemahkan laporan radiologi ke dalam musik
   • Menggantikan perangkat keras pemindai CT
3. Untuk apa arsitektur U-Net biasa digunakan dalam pencitraan?
   • Menghasilkan lirik lagu
   • Mengompresi video game
   • Segmentasi per piksel, seperti menguraikan tumor atau organ
   • Mengenkripsi kata sandi pasien
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. Alasan utama mengapa AI pencitraan mungkin gagal pada data rumah sakit baru adalah:
   • Perbedaan jenis pemindai, protokol, atau populasi pasien dari data pelatihan
   • Pemindaiannya terlalu berwarna
   • Model tidak menyukai bangunan tersebut
   • Gambar selalu identik di mana pun
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