Изменения

Перейти к: навигация, поиск

Машинное обучение в медицине

6 байт добавлено, 19:09, 9 января 2021
Генерация результатов исследований
Основная проблема, с которой сталкиваются такие модели {{---}} необходимость очень точно определять границы объекта на сгенерированном изображении, а также не допускать размытости. Эти две проблемы долгое время не получалось решить без большого количества реальных данных, вследствие чего не было возможным применение сгенерированных изображений на практике.
Сильно улучшить поведение моделей удалось путем использования [[Generative Adversarial Nets (GAN)#Ошибка Вассерштейна|метрики ВасерштейнаВассерштейна]]<sup>[на 09.01.21 не создан]</sup>. Интуитивно, если каждая мера измеряет распределение «грунта» по метрическому пространству, то расстояние Васерштейна Вассерштейна измеряет минимальную стоимость преобразования одного распределения грунта в другое, при этом предполагается, что стоимость прямо пропорциональна количеству грунта и расстоянию, на которое его надо перетащить. Использование такой метрики в GAN помогло сильно улучшить поведение моделей при генерации данных МРТ исследований. На рисунке 4 в четвертой строке показаны изображения, сгенерированные при помощи сети, использующей метрику ВасерштейнаВассерштейна.
==Персонализированная медицина==
174
правки

Навигация