引導式測驗 · 中等 等級

人工智慧在醫學影像測驗的應用

了解影像模型如何支援檢測、分割和分類,以及為什麼局部驗證在臨床使用前很重要。

問題 1 的 8

哪種類型的神經網路對於分析醫學影像最為基礎?

預覽每個問題8 問題

當您參加測驗時,就會出現答案和解釋。

  1. 哪種類型的神經網路對於分析醫學影像最為基礎?
    • 卷積神經網路 (CNN)
    • 音訊循環網絡
    • 決策樹
    • 試算表宏
  2. Viz.ai 系統有什麼作用?
    • 安排醫院食堂菜單
    • 分析 CT 掃描以標記可疑的大血管中風並向團隊發出警報
    • 將放射線報告翻譯成音樂
    • 更換 CT 掃描儀硬體
  3. U-Net 架構在成像中常用的是什麼?
    • 生成歌詞
    • 壓縮電玩遊戲
    • 每像素分割,例如勾勒出腫瘤或器官的輪廓
    • 加密患者密碼
  4. FDA 對名為 Viz.ai 的影像設備採取了哪些監管途徑?
    • 涵蓋所有成像 AI 工具的全面批准
    • 藥品上市許可
    • 免除所有臨床證據要求
    • 針對特定設備和預期用途的 De Novo 分類決策
  5. 成像人工智慧可能在新醫院的數據上失敗的一個關鍵原因是:
    • 掃描器類型、協定或患者群體與訓練資料的差異
    • 掃描件色彩太豐富
    • 模型不喜歡這棟建築
    • 圖像在任何地方總是相同的
  6. U-Net 跳過連接從編碼器到解碼器攜帶什麼?
    • 患者的病歷號碼
    • 更高解析度的特徵圖有助於恢復空間細節
    • 放射報告的帳單代碼
    • 只有全域類別標籤
  7. 為什麼醫學影像資料集通常應在病患層級進行分割?
    • 使每個掃描器僅出現在一個資料集中
    • 確保疾病盛行率平等
    • 減少訓練集和測試集上同一患者的多個相關圖像的洩漏
    • 消除外部驗證的需要
  8. 機率校準在成像模型中評估什麼?
    • 掃描器最近是否維修過
    • 每張圖片的解析度是否相同
    • 模型分割的器官數量是否正確
    • 分配機率的預測是否與評估案例中觀察到的頻率相符