8、从像素到预测：探索人工智能在放射学中的应用

从像素到预测：探索人工智能在放射学中的应用

1. 深度学习基础

1.1 人工神经网络（ANNs）

人工神经网络受大脑并行架构的影响，基于生物神经网络的性能构建。它由一系列数学方程组成的网络，用于复制记忆和学习等生物过程。网络中有连接数百万个节点或单元的链接，每个链接激活都被赋予一个数值，以确定连接的强度。

感知器是接收激活信号并通过连接进行关联的组件，是人工神经网络的基本构建块。它是一个单层神经网络，包含四个主要参数：
- 输入节点或输入层 ：接收初始数据以进行进一步处理的主要组件。
- 权重参数 ：决定节点之间连接的强度。
- 激活函数 ：帮助确定神经网络是否会输出信号。
- 期望输出 ：神经网络最终要达到的结果。

感知器可以创建前馈网络（连接仅单向运行）或递归网络（输出像循环一样反馈到自身输入）。前馈网络的节点组织成多个层，主要包括输入层、隐藏层和输出层。

1.2 深度学习的定义与特点

深度学习是机器学习的一个子集，也被称为深度结构化学习或深度机器学习，是人工智能检测技术的基础，有助于视觉分析和解释。“深度学习”指的是一类特别适合图像处理的神经网络，计算机通过众多相互连接的算法层来处理数据。这些层从输入层收集信息，当人工智能从信息中吸收新特征后，就会产生输出。

深度学习需要深度神经网络，它可以直接处理输入数据并形成算法，尝试从数据中构建高级公式。深度学习算法可以是接收一维输入的典型网络，也可以是接收二