Shalom, Chicago: Israel shares 90 years of innovation

לקריאת המאמר המלא לחץ כאן

"רדיולוגים בישראל נמצאים בחוד החנית בכל הקשור לשינויים טכנולוגיים בתחום ההדמיה הרפואית ומספקים אבחון יוצא מן הכלל ושירותי רדיולוגיה פולשנית", סיפר ד"ר סוסנה, נשיא איגוד הרדיולוגים בישראל, לנציגי הכנס של החברה הצפון אמריקאית לרדיולוגיה (RSNA, 2017). אחת ההרצאות בכנס התמקדה במספר הרחב של חברות, סטארט-אפים ומרכזים אקדמיים ישראליים המתעסקים בהדמיה רפואית משולבת למידה עמוקה ואשר פורחים בעידן האינפורמציה.
"בעשור האחרון נראתה גדילה משמעותית בשימוש במידע ויזואלי (visual data), אשר באה לידי ביטוי גם בתחום הרדיולוגיה, ואלגוריתמים של למידה עמוקה של רשת עצבית מורכבת (CNN) נוצרו כדרך לסוג את כמות המידע הרבה", כך הסביר אייל קלנג, רדיולוג במרכז רפואי שיבא בתל השומר.
"למשל, הImageNet הנו מאגר מידע ויזואלי הכולל מיליוני תמונות. ב2012, אלגוריתם מסוג CNN הראה דיוק מרשים בתיוג אותן תמונות.
מאז, אלגוריתמים חדשים יותר הציגו דיוק גדול אף יותר – עד 2015, בה אלגוריתם CNN הגיע לדיוק כמעט-אנושי בחלוקת התמונות לקטגוריות", ציין קלנג. מערכות עצביות מלאכותיות (ANNs), הן אלגוריתמים של למידה עמוקה, אשר מבוססים במידה מסוימת על ההיפותזה בדבר פעולתן של מערכות עצביות, מס' נרחב של פונקציות חישוביות (נוירונים) מחוברות בשכבות עמוקות חבויות.
תפיסת מפתח לשירות מערכות עצביות מלאכותיות היא תהליך בו מוזן מידע למערכת, עובר הערכה ונתונים מופקים בתגובה – פונקציית אבדן מעריכה את השגיאה, ובהסתמך על הערכת השגיאה, האלגוריתם מתאים את הרשת – דרך חזרה על הפעולה של הזנת מידע והפקת נתונים. תהליך זה חוזר על עצמו במקבץ הנתונים כולו.
המערכות העצביות המורכבות, הן תת-סוג של מערכות עצביות מלאכותיות. האלגוריתם פועל ע"י הזנה של מסננים (למשל מטריצות של מספרים) לאורך התמונה כדי ליצור מפות עצביות.
התהליך של הזנת נתונים והפקת תגובות והערכת אבדן מבוצע ע"י רשת מערכות עצביות, כאשר ישנו דמיון בין הדרך בה רשת האלגוריתמים פועלת ודרך המחשבה של רדיולוג מנוסה.

לקריאה אודות ד"ר סיגל טל
למידע על פענוח בדיקת MRI
למידע על פענוח בדיקת CT