Deep Learning and Its Applications in Biomedicine

پیشرفت های فن آوری های بیولوژیکی و پزشکی ما حجم داده های بیولوژیکی و فیزیولوژیکی مانند تصاویر پزشکی، الکتروانسفالوگرافی، توالی ژنوم و پروتئین را به ما ارائه می دهد. یادگیری از این داده ها، درک سلامت و بیماری انسان را تسهیل می کند. الگوریتم های مبتنی بر یادگیری عمیق از شبکه های عصبی مصنوعی پیشرفت چشمگیری در استخراج ویژگی ها و الگوهای یادگیری از داده های پیچیده نشان می دهد. هدف از این مقاله ارائه خلاصه ای از تکنیک های یادگیری عمیق و برخی از کاربردهای پیشرفته در زمینه زیست پزشکی است. ما ابتدا توسعه شبکه عصبی مصنوعی و یادگیری عمیق را معرفی می کنیم. سپس، دو مولفه اصلی یادگیری عمیق، یعنی معماری یادگیری عمیق و بهینه سازی مدل را توصیف می کنیم. در ادامه، بعضی از نمونه ها برای برنامه های کاربردی یادگیری عمیق، از جمله طبقه بندی تصویر پزشکی، تجزیه و تحلیل توالی ژنوم، و همچنین طبقه بندی پروتئین و پیش بینی، نشان داده شده است. در نهایت، ما دیدگاه های خود را در جهت آینده در زمینه یادگیری عمیق ارائه می دهیم.