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.
- 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
- 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
- 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
- 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
- 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
- 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
- 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
- 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