الگوریتم چیست؟
الگوریتم مجموعه ای از دستورالعمل های گام به گام است که می تواند برای دستیابی به هدف یا حل مشکل دنبال شود. دستور پخت می تواند یک الگوریتم باشد ، درست مانند دستورالعمل های مراجعه به بیمارستان. با این حال ، بیشتر اوقات به الگوریتم های رایانه اشاره می کنیم. اینها قطعات کد رایانه ای هستند که با هدف حل مشکلات خاص انجام شده اند. داده ها را وارد می کنید ، الگوریتم رایانه محاسبات را بر اساس این داده ها انجام می دهد و خروجی را به شما می دهد. در زمینه رادیولوژی ، یک الگوریتم معمولا یک قطعه کد رایانه ای است که یک تصویر پزشکی را به عنوان ورودی می گیرد و پاسخی را برای کمک به رادیولوژیست در آنالیز خود برمی گرداند.
داده های (آموزشی) چیست؟
برای شروع ایجاد یک الگوریتم(تقریبا)همیشه به یک مجموعه داده های آموزشی نیاز دارید. این مجموعه داده، مجموعه ای از داده هایی هستند که می خواهید الگوریتم شما را آنالیز کند. در رادیولوژی ، این داده ها تصویر هستند. بسته به نوع الگوریتم مورد استفاده ، ممکن است به اطلاعات اضافی نیز نیاز داشته باشید. این ممکن است اطلاعاتی در مورد آنچه در تصویر می بینید (به عنوان مثال تقسیم بندی) یا سایر اطلاعات بیمار باشد.
لیبل چیست؟
برای اکثر الگوریتم ها شما به یک مجموعه داده با برچسب نیاز دارید. این بدان معناست که برای هر نقطه داده در مجموعه داده شما (در رادیولوژی ، برای هر تصویر) حقیقت اصلی را می دانید: برچسب. به عنوان مثال ، اگر می خواهید الگوریتمی بسازید که بتواند بین تومورهای بدخیم و خوش خیم تمایز قائل شود ، تصاویر پزشکی موجود در مجموعه داده شما باید حاوی تومور باشد و هر تصویر باید دارای برچسب “خوش خیم” یا “بدخیم” باشد. این به رایانه کمک می کند تا یاد بگیرد که چگونه انواع مختلف تومور را می توان در تصاویر تشخیص داد.
ویژگی تصویر چیست؟
ویژگی تصویر یک ویژگی قابل اندازه گیری یا ویژگی خاصی است که می توانید در هر تصویر از داده های آموزشی پیدا کنید. به عنوان مثال ، اگر داده های ورودی شما مجموعه ای از تصاویر اشعه ایکس از لگن باشد ، ویژگی های تصویر ممکن است شامل شکل استخوان ران بیمار باشد ، اما ممکن است انتزاعی تر باشد مانند توزیع مقادیر مقیاس خاکستری در استخوان ران.
فضای ویژگی چیست؟
همه ویژگی های ترکیبی را می توان در فضای ویژگی نشان داد. نمایش بصری فضای ویژگی (نشان دادن ویژگی ها در نمودار)می تواند به بررسی کلی از تمام مقادیر ویژگی کمک کند. ساده ترین مثال زمانی است که مجموعه داده شما دارای دو ویژگی باشد. شما این را با رسم نمودار با یک ویژگی در محور x و ویژگی دیگر در محور y تجسم می کنید. هر تصویر را می توان بارسم یک نقطه در محل ( X ،Y )در این نمودار نشان داد که X ارزش تصویر برای ویژگی اول و Y ارزش تصویر برای ویژگی دوم است. آنالیز داده ها در فضای ویژگی (سمت راست) کشف همبستگی هایی را که هنگام مشاهده داده های اصلی آشکار نیستند ، آسان تر می کند.
