Eine sanfte Einführung ins Lernen tiefer neuronaler Netze

Zusammenfassung In diesem Kapitel wird versucht, eine sanfte Einführung in das tiefe Lernen in der medizinischen Bildverarbeitung zu geben, von theoretischen Grundlagen bis hin zu Anwendungen. Es werden zunächst allgemeine Gründe für die Popularität von Deep Learning diskutiert, einschließlich einiger wichtiger Durchbrüche in der Informatik. Als erstes wird mit den Grundlagen des Perzeptrons und neuronalen Netzen begonnen. Auf dieser Basis werden die Gründe für den Erfolg von Deep Learning in vielen Anwendungsbereichen verständlich. Offensichtlich ist die medizinische Bildverarbeitung einer dieser Bereiche, der von diesem raschen Fortschritt weitgehend profitiert, insbesondere bei der Bild- und Objekterkennung, der Bildsegmentierung, der Bildregistrierung und der computergestützten Diagnose. Es gibt auch aktuelle Trends in der physikalischen Simulation, Modellierung und Rekonstruktion, die zu erstaunlichen Ergebnissen geführt haben. Einige dieser Ansätze vernachlässigen jedoch Vorwissen und bergen daher das Risiko, nichtplausible Ergebnisse zu erzielen. Diese offensichtlichen Schwächen verdeutlichen die aktuellen Grenzen des tiefen Lernens. Es werden jedoch auch kurz vielversprechende Ansätze diskutiert, mit denen diese Probleme möglicherweise in Zukunft gelöst werden können.