Moderní trendy a aspekty použití umělé inteligence v biomedicíně
The result's identifiers
Result code in IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216305%3A26220%2F21%3APU142429" target="_blank" >RIV/00216305:26220/21:PU142429 - isvavai.cz</a>
Result on the web
<a href="https://etul.publi.cz/book/1729-trendy-v-biomedicinskem-inzenyrstvi" target="_blank" >https://etul.publi.cz/book/1729-trendy-v-biomedicinskem-inzenyrstvi</a>
DOI - Digital Object Identifier
—
Alternative languages
Result language
čeština
Original language name
Moderní trendy a aspekty použití umělé inteligence v biomedicíně
Original language description
Umělá inteligence je v dnešních dobách stále více skloňována ve všech odvětvích lidského snažení; nutně se tedy musela dotknout i nejrůznějších aplikací v oborech medicíny a biomedicínského inženýrství. Výpočetní možnosti v poslední dekádě umožňují využít rychle se rozvíjejících metod strojového učení, které dnes můžeme stále častěji nalézt v nejrůznějších biomedicínských aplikacích jako je například segmentace anatomických struktur v medicínských obrazech, včasná detekce a klasifikace patologických stavů v EKG signálech, nebo predikce nejrůznějších biomarkerů z měřených dat. Jak se ukazuje, tyto metody často předčí mnohé doposud používané standardní přístupy. Proto bychom v tomto příspěvku chtěli čtenáře seznámit s některými nejúspěšnějšími moderními aplikacemi algoritmů strojového učení v celé řadě biomedicínských úkolů, včetně nejnovějších trendů a poznatků. Obsahem toho příspěvku je přehled běžně používaných technik strojového učení nejen v biomedicínské oblasti. Současně jsou diskutovány nevýhody
Czech name
Moderní trendy a aspekty použití umělé inteligence v biomedicíně
Czech description
Umělá inteligence je v dnešních dobách stále více skloňována ve všech odvětvích lidského snažení; nutně se tedy musela dotknout i nejrůznějších aplikací v oborech medicíny a biomedicínského inženýrství. Výpočetní možnosti v poslední dekádě umožňují využít rychle se rozvíjejících metod strojového učení, které dnes můžeme stále častěji nalézt v nejrůznějších biomedicínských aplikacích jako je například segmentace anatomických struktur v medicínských obrazech, včasná detekce a klasifikace patologických stavů v EKG signálech, nebo predikce nejrůznějších biomarkerů z měřených dat. Jak se ukazuje, tyto metody často předčí mnohé doposud používané standardní přístupy. Proto bychom v tomto příspěvku chtěli čtenáře seznámit s některými nejúspěšnějšími moderními aplikacemi algoritmů strojového učení v celé řadě biomedicínských úkolů, včetně nejnovějších trendů a poznatků. Obsahem toho příspěvku je přehled běžně používaných technik strojového učení nejen v biomedicínské oblasti. Současně jsou diskutovány nevýhody
Classification
Type
O - Miscellaneous
CEP classification
—
OECD FORD branch
20601 - Medical engineering
Result continuities
Project
—
Continuities
S - Specificky vyzkum na vysokych skolach
Others
Publication year
2021
Confidentiality
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů