Nature.com сайтад зочилсонд баярлалаа. Таны ашиглаж буй хөтчийн хувилбар нь CSS дэмжлэг хязгаарлагдмал байна. Хамгийн сайн үр дүнд хүрэхийн тулд бид хөтчийнхөө шинэ хувилбарыг ашиглахыг (эсвэл Internet Explorer дээр нийцтэй байдлын горимыг унтраах) зөвлөж байна. Энэ хооронд тасралтгүй дэмжлэг үзүүлэхийн тулд бид сайтыг хэв маяг эсвэл JavaScriptгүйгээр харуулж байна.
Клиникийн хиймэл оюун ухааны (ХИ) хэрэглээ хурдацтай өсөн нэмэгдэж байгаа ч анагаахын сургуулийн одоогийн сургалтын хөтөлбөрүүд энэ чиглэлийг хамарсан хязгаарлагдмал сургалтыг санал болгодог. Энд бид Канадын анагаахын оюутнуудад зориулж боловсруулж, хүргэсэн хиймэл оюун ухааны сургалтын курсын талаар тайлбарлаж, ирээдүйн сургалтын зөвлөмжийг гаргаж байна.
Анагаах ухаанд хиймэл оюун ухаан (AI) нь ажлын байрны үр ашгийг сайжруулж, эмнэлзүйн шийдвэр гаргахад тусалдаг. Хиймэл оюун ухааныг аюулгүй ашиглахын тулд эмч нар хиймэл оюун ухааны талаар тодорхой ойлголттой байх ёстой. Олон санал нь хиймэл оюун ухааны загвар болон баталгаажуулалтын процессыг тайлбарлах зэрэг хиймэл оюун ухааны ойлголтуудыг1 заахыг дэмжиж байна. Гэсэн хэдий ч, ялангуяа улсын түвшинд цөөн тооны бүтэцлэгдсэн төлөвлөгөөг хэрэгжүүлсэн. Пинто дос Сантос нар3. 263 анагаахын оюутнуудаас судалгаа авсан бөгөөд 71% нь хиймэл оюун ухааны чиглэлээр сургалт явуулах шаардлагатай гэдэгтэй санал нэгдсэн. Анагаах ухааны оюутнуудад хиймэл оюун ухааныг заах нь ихэвчлэн өргөн хүрээтэй мэдлэгтэй оюутнуудад зориулсан техникийн болон техникийн бус ойлголтуудыг хослуулсан нямбай дизайн шаарддаг. Бид анагаахын оюутнуудын гурван бүлэгт хиймэл оюун ухааны цуврал семинар зохион байгуулсан туршлагаа тайлбарлаж, хиймэл оюун ухааны ирээдүйн анагаах ухааны боловсролын талаар зөвлөмж гаргадаг.
Анагаахын оюутнуудад зориулсан "Анагаах ухаанд хиймэл оюун ухааны танилцуулга" таван долоо хоногийн семинар маань 2019 оны 2-р сараас 2021 оны 4-р сарын хооронд гурван удаа зохион байгуулагдсан. Сургалтанд гарсан өөрчлөлтийн товч тайлбар бүхий семинар бүрийн хуваарийг Зураг 1-т үзүүлэв. Манай сургалт нь гурван үндсэн сургалтын зорилготой: оюутнууд хиймэл оюун ухааны хэрэглээнд өгөгдлийг хэрхэн боловсруулдагийг ойлгох, клиник хэрэглээнд зориулсан хиймэл оюун ухааны талаархи уран зохиолыг шинжлэх, хиймэл оюун ухааныг хөгжүүлж буй инженерүүдтэй хамтран ажиллах боломжийг ашиглах.
Лекцийн сэдэв нь цэнхэр, харин интерактив асуулт хариултын хэсэг нь цайвар цэнхэр өнгө юм. Саарал хэсэг нь товч уран зохиолын тоймд гол анхаарлаа хандуулдаг. Улбар шар өнгийн хэсгүүд нь хиймэл оюун ухааны загвар эсвэл техникийг тайлбарласан сонгосон тохиолдлын судалгаа юм. Ногоон өнгө нь хиймэл оюун ухааныг эмнэлзүйн асуудлыг шийдвэрлэх, загварыг үнэлэхэд заах зорилготой удирдамжтай програмчлалын хичээл юм. Семинарын агуулга, үргэлжлэх хугацаа нь оюутны хэрэгцээний үнэлгээнээс хамааран өөр өөр байдаг.
Эхний семинарыг 2019 оны 2-р сараас 4-р сар хүртэл Британийн Колумбын Их Сургуульд зохион байгуулсан бөгөөд 8 оролцогч бүгд эерэг санал хүсэлт өгсөн4. COVID-19-ийн улмаас хоёр дахь семинарыг 2020 оны 10-р сараас 11-р саруудад виртуал хэлбэрээр зохион байгуулж, Канадын 8 анагаах ухааны сургуулийн 222 анагаахын оюутан, 3 оршин суугч бүртгүүлсэн. Илтгэлийн слайд болон кодыг нээлттэй хандалтын сайтад байршуулсан (http://ubcaimed.github.io). Эхний давталтын гол санал хүсэлт нь лекцүүд хэт эрчимтэй, материал нь хэт онолын шинж чанартай байсан явдал юм. Канадын зургаан өөр цагийн бүсэд үйлчлэх нь нэмэлт бэрхшээл учруулж байна. Тиймээс хоёр дахь семинар нь хичээл бүрийг 1 цаг болгон богиносгож, хичээлийн материалыг хялбаршуулж, илүү олон кейс судалгаа нэмж, оролцогчдод кодын хэсгүүдийг хамгийн бага алдаа засах замаар бөглөх боломжийг олгодог загварчилсан програмуудыг бий болгосон (Хайрцаг 1). Хоёр дахь давталтын гол санал хүсэлтэд програмчлалын дасгалын талаарх эерэг санал хүсэлт болон машин сургалтын төслийн төлөвлөлтийг үзүүлэх хүсэлт багтсан болно. Тиймээс 2021 оны 3-4-р сард анагаахын чиглэлээр суралцаж буй 126 оюутанд зориулсан виртуал хэлбэрээр зохион байгуулсан гурав дахь семинартаа бид семинарын концепцийг төслүүдэд ашиглах нөлөөллийг харуулахын тулд илүү олон интерактив код бичих дасгал, төслийн санал хүсэлтийн хичээлүүдийг оруулсан.
Өгөгдлийн шинжилгээ: Өгөгдлийн хэв маягийг шинжлэх, боловсруулах, дамжуулах замаар өгөгдлийн утга учиртай хэв маягийг тодорхойлдог статистикийн судалгааны салбар.
Өгөгдөл олборлолт: өгөгдлийг тодорхойлох, гаргаж авах үйл явц. Хиймэл оюун ухааны хүрээнд энэ нь ихэвчлэн том хэмжээтэй бөгөөд түүвэр бүрт олон хувьсагчтай байдаг.
Хэмжээст байдлыг багасгах: Анхны өгөгдлийн багцын чухал шинж чанаруудыг хадгалахын зэрэгцээ олон бие даасан шинж чанартай өгөгдлийг цөөн шинж чанар болгон хувиргах үйл явц.
Онцлог шинж чанарууд (хиймэл оюун ухааны хүрээнд): дээжийн хэмжигдэхүйц шинж чанарууд. Ихэнхдээ "шинж чанар" эсвэл "хувьсагч" гэсэн үгтэй орлуулж хэрэглэдэг.
Градиент Идэвхжүүлэлтийн Газрын Зураг: Хиймэл оюун ухааны загваруудыг (ялангуяа мушгирсан мэдрэлийн сүлжээ) тайлбарлахад ашигладаг арга бөгөөд энэ нь өндөр урьдчилан таамаглах чадвартай өгөгдөл эсвэл дүрсний бүс нутгийг тодорхойлохын тулд сүлжээний сүүлийн хэсгийг оновчлох үйл явцыг шинжилдэг.
Стандарт загвар: Үүнтэй төстэй ажлуудыг гүйцэтгэхээр урьдчилан сургагдсан одоо байгаа хиймэл оюун ухааны загвар.
Тест хийх (хиймэл оюун ухааны хүрээнд): загвар өмнө нь тааралдаагүй өгөгдлийг ашиглан даалгаврыг хэрхэн гүйцэтгэж байгааг ажиглах.
Сургалт (хиймэл оюун ухааны хүрээнд): Загварыг өгөгдөл болон үр дүнгээр хангах, ингэснээр загвар нь шинэ өгөгдлийг ашиглан даалгавраа гүйцэтгэх чадвараа оновчтой болгохын тулд дотоод параметрүүдээ тохируулах боломжтой болно.
Вектор: өгөгдлийн массив. Машин сургалтанд массивын элемент бүр нь ихэвчлэн түүврийн өвөрмөц онцлог шинж чанартай байдаг.
Хүснэгт 1-т сэдэв бүрийн зорилтот сургалтын зорилгыг багтаасан 2021 оны 4-р сарын хамгийн сүүлийн үеийн хичээлүүдийг жагсаав. Энэхүү семинар нь техникийн түвшинд шинээр орж буй хүмүүст зориулагдсан бөгөөд анагаах ухааны бакалаврын зэрэгтэй эхний жилээс гадна математикийн мэдлэг шаарддаггүй. Энэ хичээлийг анагаах ухааны 6 оюутан, инженерийн чиглэлээр ахисан түвшний 3 багш боловсруулсан. Инженерүүд заах хиймэл оюун ухааны онолыг боловсруулж байгаа бөгөөд анагаахын оюутнууд клиник ач холбогдолтой материалыг сурч байна.
Семинарт лекц, кейс судалгаа, удирдамжтай програмчлал багтана. Эхний лекцэнд бид биостатистикийн өгөгдлийн шинжилгээний сонгосон ойлголтуудыг авч үзэх бөгөөд үүнд өгөгдлийн дүрслэл, логистик регресс, дүрслэх болон индуктив статистикийн харьцуулалт орно. Өгөгдлийн шинжилгээ нь хиймэл оюун ухааны үндэс суурь боловч бид өгөгдөл олборлох, ач холбогдлын тест, эсвэл интерактив дүрслэл зэрэг сэдвүүдийг оруулаагүй болно. Энэ нь цаг хугацааны хязгаарлалт, мөн зарим бакалаврын оюутнууд биостатистикийн чиглэлээр өмнө нь сургалтанд хамрагдсан бөгөөд илүү өвөрмөц машин сургалтын сэдвүүдийг хамрахыг хүссэнтэй холбоотой юм. Дараагийн лекцэнд орчин үеийн аргуудыг танилцуулж, хиймэл оюун ухааны асуудлын томъёолол, хиймэл оюун ухааны загваруудын давуу болон хязгаарлалт, загварын тестийн талаар хэлэлцдэг. Лекцүүдийг одоо байгаа хиймэл оюун ухааны төхөөрөмжүүдийн талаархи уран зохиол, практик судалгаагаар баяжуулсан болно. Бид одоо байгаа хиймэл оюун ухааны төхөөрөмжүүдийн хязгаарлалтыг ойлгох зэрэг эмнэлзүйн асуултуудыг шийдвэрлэх загварын үр нөлөө, хэрэгжих боломжийг үнэлэхэд шаардлагатай ур чадварыг онцолсон. Жишээлбэл, бид оюутнуудаас Купперман нарын санал болгосон хүүхдийн толгойн гэмтлийн удирдамжийг тайлбарлахыг хүссэн бөгөөд энэ нь эмчийн үзлэгт үндэслэн компьютер томографийн шинжилгээ ашигтай эсэхийг тодорхойлох хиймэл оюун ухааны шийдвэрийн модны алгоритмыг хэрэгжүүлсэн. Энэ нь хиймэл оюун ухаан нь эмч нарыг орлохын оронд эмч нарт тайлбарлах урьдчилан таамаглах аналитикийг өгдөг нийтлэг жишээ гэдгийг бид онцолж байна.
Нээлттэй эхийн bootstrap програмчлалын жишээнүүдэд (https://github.com/ubcaimed/ubcaimed.github.io/tree/master/programming_examples) бид хайгуулын өгөгдлийн шинжилгээ, хэмжээст байдлыг бууруулах, стандарт загвар ачаалах, сургалт явуулах, туршилт хийх аргыг хэрхэн хийхийг харуулж байна. Бид вэб хөтөчөөс Python кодыг гүйцэтгэх боломжийг олгодог Google Colaboratory тэмдэглэлийн дэвтэр (Google LLC, Mountain View, CA)-г ашигладаг. Зураг 2-т програмчлалын дасгалын жишээг үзүүлэв. Энэ дасгал нь Висконсины Нээлттэй Хөхний Дүрслэлийн Өгөгдлийн Сан6 болон шийдвэрийн модны алгоритмыг ашиглан хорт хавдрыг урьдчилан таамаглахыг багтаасан болно.
Холбогдох сэдвээр долоо хоногийн турш хөтөлбөрүүдийг танилцуулж, нийтлэгдсэн хиймэл оюун ухааны хэрэглээнээс жишээ сонгоно уу. Програмчлалын элементүүдийг зөвхөн ирээдүйн клиник практикт ойлголт өгөхөд хамааралтай гэж үзсэн тохиолдолд л оруулна, тухайлбал загваруудыг клиник туршилтад ашиглахад бэлэн эсэхийг тодорхойлохын тулд хэрхэн үнэлэх вэ. Эдгээр жишээнүүд нь хавдрыг эмнэлгийн дүрсний параметрүүдэд үндэслэн хоргүй эсвэл хортой гэж ангилдаг бүрэн хэмжээний цогц хэрэглээнд оршдог.
Өмнөх мэдлэгийн олон янз байдал. Манай оролцогчид математикийн мэдлэгийн түвшингээрээ харилцан адилгүй байсан. Жишээлбэл, инженерийн чиглэлээр ахисан түвшний мэдлэгтэй оюутнууд өөрсдийн Фурье хувиргалтыг хэрхэн хийх гэх мэт илүү гүнзгий материалыг хайж байна. Гэсэн хэдий ч Фурье алгоритмын талаар ангид хэлэлцэх боломжгүй, учир нь энэ нь дохио боловсруулах талаар гүнзгий мэдлэг шаарддаг.
Ирцийн урсгал буурсан. Давтан уулзалтын ирц, ялангуяа онлайн хэлбэрээр буурсан. Үүний шийдэл нь ирцийг хянаж, төгсөлтийн гэрчилгээ олгох явдал байж болох юм. Анагаахын сургуулиуд оюутнуудын хичээлээс гадуурх сургалтын үйл ажиллагааны дүнг хүлээн зөвшөөрдөг нь оюутнуудыг зэрэг хамгаалахад түлхэц болдог.
Хичээлийн загвар: Хиймэл оюун ухаан маш олон дэд салбарыг хамардаг тул зохих гүн ба өргөн хүрээний үндсэн ойлголтуудыг сонгох нь хэцүү байж болно. Жишээлбэл, лабораториос эмнэлэг хүртэлх Хиймэл оюун ухааны хэрэгслийг тасралтгүй ашиглах нь чухал сэдэв юм. Бид өгөгдлийг урьдчилан боловсруулах, загвар бүтээх, баталгаажуулах асуудлыг авч үздэг ч том өгөгдлийн аналитик, интерактив дүрслэл, эсвэл Хиймэл оюун ухааны клиник туршилт явуулах зэрэг сэдвүүдийг оруулаагүй, харин хамгийн өвөрмөц Хиймэл оюун ухааны ойлголтууд дээр анхаарлаа төвлөрүүлдэг. Бидний удирдамж бол ур чадварыг бус, бичиг үсгийн мэдлэгийг сайжруулах явдал юм. Жишээлбэл, загвар нь оролтын шинж чанаруудыг хэрхэн боловсруулдагийг ойлгох нь тайлбарлахад чухал юм. Үүнийг хийх нэг арга бол өгөгдлийн аль бүс нутгийг урьдчилан таамаглах боломжтойг дүрслэн харуулах боломжтой градиент идэвхжүүлэлтийн газрын зургийг ашиглах явдал юм. Гэсэн хэдий ч энэ нь олон хувьсагчтай тооцооллыг шаарддаг бөгөөд нэвтрүүлэх боломжгүй8. Нийтлэг нэр томьёог боловсруулах нь хэцүү байсан, учир нь бид математикийн формализмгүйгээр өгөгдлийг вектор болгон хэрхэн ажиллахыг тайлбарлахыг оролдож байсан. Өөр өөр нэр томьёо ижил утгатай болохыг анхаарна уу, жишээлбэл, тархвар судлалд "шинж чанар"-ыг "хувьсагч" эсвэл "шинж чанар" гэж тодорхойлдог.
Мэдлэгийг хадгалах. Хиймэл оюун ухааны хэрэглээ хязгаарлагдмал тул оролцогчид мэдлэгээ хэр хэмжээгээр хадгалах нь тодорхойгүй байна. Анагаахын сургуулийн сургалтын хөтөлбөр нь практик ээлжийн үеэр мэдлэгээ бататгахын тулд зайтай давталт ашиглахыг ихэвчлэн ашигладаг бөгөөд үүнийг хиймэл оюун ухааны боловсролд ч ашиглаж болно.
Мэргэжлийн ур чадвар нь бичиг үсэг тайлагдаагүйгээс илүү чухал юм. Материалын гүнийг математикийн нарийн чандлалгүйгээр боловсруулсан бөгөөд энэ нь хиймэл оюун ухааны клиник хичээлүүдийг эхлүүлэхэд асуудал байсан. Програмчлалын жишээнүүдэд бид оролцогчдод талбаруудыг бөглөж, програм хангамжийг бүрэн програмчлалын орчинг хэрхэн тохируулахаа олж мэдэхгүйгээр ажиллуулах боломжийг олгодог загвар програмыг ашигладаг.
Хиймэл оюун ухааны талаарх санаа зовнилыг шийдвэрлэх нь: Хиймэл оюун ухаан зарим эмнэлзүйн үүргийг орлож болзошгүй гэсэн өргөн хүрээтэй санаа зовоосон асуудал байна3. Энэ асуудлыг шийдвэрлэхийн тулд бид зохицуулагч байгууллагуудын баталсан бараг бүх хиймэл оюун ухааны технологиуд эмчийн хяналтыг шаарддаг гэсэн баримтыг багтаасан хиймэл оюун ухааны хязгаарлалтыг тайлбарлаж байна11. Мөн алгоритмууд нь, ялангуяа өгөгдлийн багц олон янз биш бол алдаа гаргах хандлагатай байдаг тул алдаа гаргахын ач холбогдлыг онцолж байна12. Үүний үр дүнд тодорхой дэд бүлгийг буруу загварчилж, шударга бус эмнэлзүйн шийдвэр гаргахад хүргэж болзошгүй юм.
Нөөцүүд олон нийтэд нээлттэй: Бид лекцийн слайд болон код зэрэг олон нийтэд нээлттэй нөөцүүдийг бий болгосон. Цагийн бүсээс шалтгаалан синхрон контентэд хандах боломж хязгаарлагдмал боловч бүх анагаахын сургуульд хиймэл оюун ухааны мэргэжил байдаггүй тул нээлттэй эхийн контент нь асинхрон сургалтын тохиромжтой арга юм.
Салбар дундын хамтын ажиллагаа: Энэхүү семинар нь анагаахын оюутнуудын санаачилсан инженерүүдтэй хамтран хичээл төлөвлөх хамтарсан төсөл юм. Энэ нь хоёр чиглэлээр хамтын ажиллагааны боломжууд болон мэдлэгийн зөрүүг харуулж, оролцогчдод ирээдүйд өөрсдийн оруулж чадах үүргийг ойлгох боломжийг олгоно.
Хиймэл оюун ухааны гол чадамжийг тодорхойлох. Чадамжийн жагсаалтыг тодорхойлох нь одоо байгаа чадамжид суурилсан анагаах ухааны сургалтын хөтөлбөрт нэгтгэж болох стандартчилагдсан бүтцийг бий болгодог. Энэхүү семинарт одоогоор Блүүмийн таксономийн 2-р түвшний сургалтын зорилт (Ойлголт), 3-р түвшний (Хэрэглээ), 4-р түвшний (Шинжилгээ) сургалтын зорилтуудыг ашиглаж байна. Төсөл боловсруулах гэх мэт ангиллын өндөр түвшний нөөцтэй байх нь мэдлэгийг улам бэхжүүлж чадна. Энэ нь хиймэл оюун ухааны сэдвүүдийг клиник ажлын урсгалд хэрхэн ашиглаж болохыг тодорхойлох, стандарт анагаах ухааны сургалтын хөтөлбөрт аль хэдийн багтсан давтагдсан сэдвүүдийг заахаас урьдчилан сэргийлэхийн тулд клиник мэргэжилтнүүдтэй хамтран ажиллахыг шаарддаг.
Хиймэл оюун ухаан ашиглан кейс судалгаа хийх. Эмнэлзүйн жишээнүүдтэй адил кейс дээр суурилсан сургалт нь хийсвэр ойлголтуудыг эмнэлзүйн асуултуудтай холбоотой болохыг онцлон тэмдэглэснээр бататгаж чадна. Жишээлбэл, нэгэн семинарын судалгаагаар Google-ийн хиймэл оюун ухаанд суурилсан чихрийн шижингийн ретинопати илрүүлэх систем 13-ийг шинжилж, лабораториос эмнэлэг хүртэлх замд тулгарч буй бэрхшээлүүд, тухайлбал гадны баталгаажуулалтын шаардлага, зохицуулалтын зөвшөөрлийн зам зэрэг бэрхшээлүүдийг тодорхойлсон.
Туршлагын сургалтыг ашиглах: Техникийн ур чадвар нь клиник дадлагажигчдын ээлжлэн суралцах туршлагатай адил төвлөрсөн дадлага, давтан хэрэглээг шаарддаг. Нэг боломжит шийдэл бол инженерийн боловсролд мэдлэгийн хадгалалтыг сайжруулдаг гэж мэдээлсэн анги танхимын загвар юм14. Энэ загварт оюутнууд онолын материалыг бие даан давтаж, хичээлийн цагийг кейс судалгаагаар асуудлыг шийдвэрлэхэд зориулдаг.
Олон салбарын оролцогчдод зориулсан цар хүрээ: Бид хиймэл оюун ухааныг нэвтрүүлэх нь эмч, янз бүрийн түвшний сургалттай эрүүл мэндийн мэргэжилтнүүд зэрэг олон салбарын хамтын ажиллагааг хамарна гэж төсөөлж байна. Тиймээс сургалтын хөтөлбөрийг эрүүл мэндийн тусламж үйлчилгээний өөр өөр чиглэлд тохируулахын тулд өөр өөр тэнхимийн багш нартай зөвлөлдөж боловсруулах шаардлагатай байж магадгүй юм.
Хиймэл оюун ухаан нь өндөр технологи бөгөөд түүний гол ойлголтууд нь математик, компьютерийн шинжлэх ухаантай холбоотой байдаг. Эрүүл мэндийн ажилтнуудыг хиймэл оюун ухааныг ойлгоход сургах нь контент сонголт, клиник ач холбогдол, хүргэх аргуудад өвөрмөц бэрхшээл учруулдаг. Боловсрол дахь хиймэл оюун ухаан семинараас олж авсан ойлголтууд нь ирээдүйн багш нарт хиймэл оюун ухааныг анагаах ухааны боловсролд нэгтгэх шинэлэг аргуудыг эзэмшихэд тусална гэж найдаж байна.
Google Collaboratory Python скрипт нь нээлттэй эх сурвалжтай бөгөөд дараах хаягаар авах боломжтой: https://github.com/ubcaimed/ubcaimed.github.io/tree/master/.
Пробер, КГ болон Хан, С. Анагаах ухааны боловсролыг дахин эргэцүүлэн бодох нь: үйлдэлд уриалга. Аккад. анагаах ухаан. 88, 1407–1410 (2013).
МакКой, ЛГ гэх мэт. Анагаахын оюутнууд хиймэл оюун ухааны талаар юу мэдэх хэрэгтэй вэ? NPZh тоонууд. Анагаах ухаан 3, 1–3 (2020).
Дос Сантос, Д.П. нар. Анагаахын оюутнуудын хиймэл оюун ухаанд хандах хандлага: олон төвт судалгаа. ЕВРО. Цацраг туяа. 29, 1640–1646 (2019).
Фан, KY, Ху, Р., болон Сингла, Р. Анагаахын оюутнуудад зориулсан машин сургалтын танилцуулга: туршилтын төсөл. J. Med. teach. 54, 1042–1043 (2020).
Куперман Н., нар. Толгойн гэмтлийн дараа эмнэлзүйн хувьд мэдэгдэхүйц тархины гэмтэл авах эрсдэл маш багатай хүүхдүүдийг тодорхойлох нь: ирээдүйн когорт судалгаа. Lancet 374, 1160–1170 (2009).
Гудамж, ВН, Волберг, ВХ болон Мангасарян, ОЛ. Хөхний хавдрын оношлогоонд цөмийн шинж чанарыг гаргаж авах. Биоанагаахын шинжлэх ухаан. Зураг боловсруулалт. Биоанагаахын шинжлэх ухаан. Вайсс. 1905, 861–870 (1993).
Чен, PHC, Liu, Y. болон Peng, L. Эрүүл мэндийн тусламж үйлчилгээний машин сургалтын загварыг хэрхэн хөгжүүлэх вэ. Nat. Matthews. 18, 410–414 (2019).
Селваражу, Р.Р. нар. Grad-cam: Градиент дээр суурилсан нутагшуулалтаар дамжуулан гүн сүлжээг дүрслэн тайлбарлах. IEEE-ийн Компьютерийн харааны олон улсын бага хурлын эмхэтгэл, 618–626 (2017).
Кумаравел Б, Стюарт К, Илич Д. Анагаах ухааны бакалаврын боловсролд ОБСЕ-г ашиглан нотолгоонд суурилсан анагаах ухааны чадамжийг үнэлэх спираль загварыг боловсруулах, үнэлэх. BMK анагаах ухаан. заах. 21, 1–9 (2021).
Колачалама В.Б болон Гарг П.С. Машин сургалт ба анагаах ухааны боловсрол. NPZh тоонууд. анагаах ухаан. 1, 1–3 (2018).
van Leeuwen, KG, Schalekamp, , Rutten, MJ, van Ginneken, B. and de Rooy, M. Радиологийн хиймэл оюун ухаан: 100 арилжааны бүтээгдэхүүн ба тэдгээрийн шинжлэх ухааны нотолгоо. ЕВРО. цацраг. 31, 3797–3804 (2021).
Топол, ЭЖ Өндөр хүчин чадалтай анагаах ухаан: хүн ба хиймэл оюун ухааны нэгдэл. Байгалийн анагаах ухаан. 25, 44–56 (2019).
Беде, Э. нар. Чихрийн шижингийн ретинопатийг илрүүлэх зорилгоор эмнэлэгт байрлуулсан гүнзгий сургалтын системийн хүн төвтэй үнэлгээ. 2020 оны CHI-ийн тооцооллын систем дэх хүний хүчин зүйлсийн бага хурлын эмхэтгэл (2020).
Керр, Б. Инженерийн боловсролын салбар дахь эргүүлсэн анги танхим: Судалгааны тойм. 2015 оны Интерактив хамтын сургалтын олон улсын бага хурлын эмхэтгэл (2015).
Зохиогчид Британийн Колумбын Их Сургуулийн Биоанагаахын дүрслэл ба хиймэл оюун ухааны судалгааны кластерын Даниэль Уокер, Тим Салкудин, Питер Зандстра нарт дэмжлэг, санхүүжилтийнх нь төлөө талархал илэрхийлж байна.
RH, PP, ZH, RS болон MA нар семинарын заах агуулгыг боловсруулах үүрэгтэй байв. RH болон PP нар програмчлалын жишээ боловсруулах үүрэгтэй байв. KYF, OY, MT болон PW нар төслийн логистик зохион байгуулалт болон семинарын дүн шинжилгээг хариуцаж байв. RH, OY, MT, RS нар зураг, хүснэгт үүсгэх үүрэгтэй байв. RH, KYF, PP, ZH, OY, MY, PW, TL, MA, RS нар баримт бичгийг боловсруулах, засварлах үүрэгтэй байв.
Харилцаа холбооны анагаах ухаан нь энэхүү бүтээлийн тоймд оруулсан хувь нэмрийнх нь төлөө Каролин МакГрегор, Фабио Мораес, Адитя Боракати нарт талархал илэрхийлж байна.
Нийтэлсэн цаг: 2024 оны 2-р сарын 19