Deep learning in medical imaging is the use of neural networks to analyze and interpret clinical images for diagnosis and treatment.يستخدم التعلم العميق في الطب الشبكات العصبية التلافيفية (هندسة مستوحاة من القشرة البصرية) لتحليل الصور الإشعاعية. يستخرج النموذج تلقائياً ميزات هرمية: من الحواف والأنسجة إلى الهياكل المعقدة مثل الأورام. يتطلب التدريب مجموعات بيانات كبيرة معنونة حيث تُرفق كل صورة بتشخيصها.
تعود الجذور إلى بيرسيبترون روزنبلات (1958) والشبكات التلافيفية ليكون (LeNet، 1998)، لكن الانفجار الحقيقي حدث بعد انتصار AlexNet على ImageNet عام 2012. في الطب، تحققت النجاحات الأولى في طب الجلد (تصنيف سرطان الجلد، 2017) والأشعة (كشف الالتهاب الرئوي، 2017). وافقت إدارة الغذاء والدواء على أولى الخوارزميات للاستخدام السريري في 2018. وهو الآن مجال سريع النمو مع آلاف المنشورات سنوياً.
تبدأ العملية بتحضير مسبق للصور (تطبيع، تسجيل). ثم تُدخل البيانات إلى الشبكة العصبية، حيث تُشكّل خرائط السمات من خلال تناوب الالتفاف والتجميع واللا خطيات. في مهام التصنيف، تعطي الطبقات الأخيرة احتمالات الأمراض؛ وفي التقسيم، تعطي أقنعة الأعضاء أو الآفات المرضية. يُجرى التحسين بطريقة الانتشار العكسي للخطأ مع تدنية دالة الخسارة (مثل الانتروبيا المتقاطعة الثنائية أو معامل دايس). عند الاستدلال، يخرج النموذج التنبؤ خلال أجزاء من الثانية.
يُستخدم في المستشفيات لتحليل صور الأشعة السينية والرنين المغناطيسي والتصوير المقطعي المحوسب تلقائياً، مما يساعد الأطباء في التشخيص ويقلل خطر الخطأ.
يمكن لخوارزميات التعلم العميق اكتشاف سرطان الرئة في الصورة قبل عدة أشهر مما يكتشفه اختصاصي الأشعة المتمرس.



















