Una panoramica sull'apprendimento profondo nell'imaging medico, con particolare attenzione alle immagini di risonanza magnetica

L'apprendimento automatico ha conosciuto di recente alcuni sviluppi significativi, che hanno suscitato un grande interesse da parte dell'industria, del mondo accademico e della cultura popolare. Questi sviluppi sono guidati dalle scoperte nelle reti neurali artificiali, spesso definite deep learning, un insieme di tecniche e algoritmi che consentono ai computer di scoprire modelli complicati in grandi insiemi di dati. Le scoperte sono alimentate da un maggiore accesso ai dati ("big data"), da framework software di facile utilizzo e da un'esplosione della potenza di calcolo disponibile, che consente l'uso di reti neurali più profonde che mai. Questi modelli costituiscono oggi lo stato dell'arte dell'approccio a un'ampia varietà di problemi nella computer vision, nella modellazione del linguaggio e nella robotica. L'apprendimento profondo ha raggiunto una posizione di rilievo nella computer vision quando le reti neurali hanno iniziato a superare altri metodi in diversi benchmark di alto profilo per l'analisi delle immagini. Il più famoso è stato l'Image Net Large-Scale Visual Recognition Challenge (ILSVRC) del 2012, quando un modello di deep learning (una rete neurale convoluzionale) ha dimezzato il secondo miglior tasso di errore nella classificazione delle immagini.