Quiz collegato alla guida · Medio Livello

Quiz sull'intelligenza artificiale nell'imaging medico

Comprendere in che modo i modelli di imaging supportano il rilevamento, la segmentazione e il triage e perché la convalida locale è importante prima dell'uso clinico.

Domanda 1 di 8

Quale tipo di rete neurale è stata più fondamentale per l’analisi delle immagini mediche?

Anteprima di ogni domanda8 domande

Le risposte e le spiegazioni vengono visualizzate mentre rispondi al quiz.

  1. Quale tipo di rete neurale è stata più fondamentale per l’analisi delle immagini mediche?
    • Reti neurali convoluzionali (CNN)
    • Reti ricorrenti per l'audio
    • Alberi decisionali
    • Macro del foglio di calcolo
  2. Cosa fa il sistema Viz.ai?
    • Programma i menu della mensa ospedaliera
    • Analizza le scansioni TC per segnalare sospetti ictus ai grandi vasi e allertare il team
    • Traduce i referti radiologici in musica
    • Sostituisce l'hardware dello scanner TC
  3. A cosa serve l'architettura U-Net comunemente utilizzata nell'imaging?
    • Generazione di testi di canzoni
    • Compressione di videogiochi
    • Segmentazione per pixel, come delineare un tumore o un organo
    • Crittografia delle password dei pazienti
  4. Quale percorso normativo ha utilizzato la FDA per il dispositivo di imaging denominato Viz.ai?
    • Un’approvazione generale che copre tutti gli strumenti di imaging-AI
    • Un'autorizzazione all'immissione in commercio di un farmaco
    • Un’esenzione da tutti i requisiti di evidenza clinica
    • Una decisione di classificazione De Novo per un dispositivo specifico e l'uso previsto
  5. Uno dei motivi principali per cui un'intelligenza artificiale per imaging potrebbe fallire sui dati di un nuovo ospedale è:
    • Differenze nel tipo di scanner, nel protocollo o nella popolazione di pazienti rispetto ai dati di addestramento
    • Le scansioni sono troppo colorate
    • Alla modella non piace l'edificio
    • Le immagini sono sempre identiche ovunque
  6. Cosa trasportano le connessioni skip U-Net dal codificatore al decoder?
    • Il numero della cartella clinica di un paziente
    • Mappe di caratteristiche ad alta risoluzione che aiutano a recuperare i dettagli spaziali
    • Il codice di fatturazione di un referto radiologico
    • Solo un'etichetta di classe globale
  7. Perché i set di dati di imaging medico dovrebbero generalmente essere suddivisi a livello del paziente?
    • Per far sì che ogni scanner venga visualizzato in un solo set di dati
    • Per garantire la parità di prevalenza della malattia
    • Per ridurre le perdite da più immagini correlate dello stesso paziente nei set di training e test
    • Per eliminare la necessità di convalida esterna
  8. Cosa valuta la calibrazione della probabilità in un modello di imaging?
    • Se lo scanner è stato sottoposto a manutenzione di recente
    • Se ogni immagine ha la stessa risoluzione
    • Se il modello segmenta il numero corretto di organi
    • Se le previsioni assegnate a una probabilità corrispondono alle frequenze osservate rispetto ai casi valutati