Bài kiểm tra có liên kết hướng dẫn · Trung bình Cấp độ

AI trong bài kiểm tra hình ảnh y tế

Hiểu cách các mô hình hình ảnh hỗ trợ phát hiện, phân đoạn và phân loại cũng như lý do tại sao việc xác nhận cục bộ lại quan trọng trước khi sử dụng trong lâm sàng.

Đường dẫn hướng dẫn liên quanAI trong hình ảnh y tế
Câu hỏi 1 của 8

Loại mạng lưới thần kinh nào là nền tảng nhất để phân tích hình ảnh y tế?

Xem trước mọi câu hỏi8 câu hỏi

Câu trả lời và giải thích xuất hiện khi bạn làm bài kiểm tra.

  1. Loại mạng lưới thần kinh nào là nền tảng nhất để phân tích hình ảnh y tế?
    • Mạng lưới thần kinh tích chập (CNN)
    • Mạng định kỳ cho âm thanh
    • Cây quyết định
    • Macro bảng tính
  2. Hệ thống Viz.ai làm gì?
    • Lên thực đơn căn tin bệnh viện
    • Phân tích ảnh chụp CT để cảnh báo nghi ngờ đột quỵ mạch máu lớn và cảnh báo cho nhóm
    • Dịch các báo cáo X quang thành âm nhạc
    • Thay thế phần cứng máy quét CT
  3. Kiến trúc U-Net thường được sử dụng trong hình ảnh là gì?
    • Tạo lời bài hát
    • Nén trò chơi điện tử
    • Phân đoạn theo pixel, như phác thảo khối u hoặc cơ quan
    • Mã hóa mật khẩu bệnh nhân
  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. Lý do chính khiến AI chụp ảnh có thể bị lỗi trên dữ liệu của bệnh viện mới là:
    • Sự khác biệt về loại máy quét, quy trình hoặc số lượng bệnh nhân từ dữ liệu đào tạo
    • Bản scan quá nhiều màu sắc
    • Người mẫu không thích tòa nhà
    • Hình ảnh luôn giống hệt nhau ở mọi nơi
  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