Waarom is dit belangrijk?
Medische röntgenbeelden en scans zijn daardoor automatisch te beoordelen op afwijkingen voor diagnose en het verwachte ziekteverloop. Ziekenhuizen gebruiken dit bij controles van het netvlies, de huid en borstfoto's. Voor patiënten en zorgverleners betekent dat extra steun bij een diagnose in het ziekenhuis, maar fouten blijven mogelijk en de uitleg is niet altijd helder, zodat een arts het oordeel zelf moet nakijken.
Zo werkt het in de praktijk
In de maakindustrie analyseert deep learning beelden en spoort zo fouten op productielijnen op. Het bedrijf Nvidia ontwikkelde met deep learning het systeem StyleGAN, dat nieuwe beelden maakt.
In 2012 won AlexNet van Krizhevsky, Sutskever en Hinton de wedstrijd ImageNet. Het model herkende beelden beter dan ondiepe methoden. In 2015 bood ResNet een manier om netwerken met veel lagen te trainen.
MLOps is een werkwijze om modellen te testen, uit te rollen en te bewaken. Teams passen die werkwijze ook toe op deep learning. De Europese AI-verordening eist bij hoog risico, zoals kritieke infrastructuur, kwaliteit, transparantie en menselijk toezicht. Elke EU-lidstaat wijst hiervoor een nationale toezichthouder aan.




