Waarom is dit belangrijk?
Op medische scans kan een convolutioneel neuraal netwerk verdachte plekken aanwijzen die een arts anders één voor één moet bekijken. Ziekenhuizen gebruiken dit bij beeldvorming van hersenen, borst en buik om weefsel in te delen, te vinden en af te bakenen. Voor patiënten ondersteunt dit de diagnose in het ziekenhuis, maar een radioloog beoordeelt de gemarkeerde gebieden nog steeds zelf.
Zo werkt het in de praktijk
In een studie van Jiang en collega’s verwerkt een convolutioneel neuraal netwerk fabrieksbeelden, spectra en microfoto’s. Het zoekt patronen en texturen en markeert afwijkingen in het proces. Dat gebeurt ook met infrarood-, warmte- en hyperspectrale camera’s, bij procesbewaking en beeldgestuurde besturing.
Onderzoekers zetten beelden, tijdreeksen en molecuulstructuren in een vergelijkbare vorm. Het netwerk haalt daaruit kenmerken om eigenschappen en verschijnselen te voorspellen. De voorbeelden gaan over spectrale analyse, het ontwerp van sensoren en het volgen van meerdere proceswaarden.
In computer vision, het automatisch herkennen van beelden, geldt het convolutioneel neuraal netwerk als de gangbare deep-learningaanpak. Het deelt beelden in, segmenteert scènes en herkent patronen in video. In sommige taken nemen nieuwere modellen, zoals de transformer, die aanpak over.




