Radiology：2018年放射科医生在关注什么？

Radiology是由美国放射学会主办的百年老刊，目前是医学影像学领域的“第一梯队”SCI杂志，具有影响力大，发文量高的特点，接受率大约只有14%左右。该杂志接受的稿件类型偏临床，与影像学相关的放射学、肿瘤、MRI、介入治疗、超声诊断都可以投稿。

今天分享一篇文章，这篇文章介绍了过去2018在《Radiology》上下载量最多的TOP10。这也告诉了我们过去的一年全世界放射医生在关注什么，也能够看出放射医学的一些发展方向。从以下的10篇文章，我们找一下它们重要的关键词：“深度学习”，“人工智能”，“机器学习”，“阿尔兹海默症”，“乳腺癌”。

深度学习的概念源于人工神经网络的研究。含多隐层的多层感知器就是一种深度学习结构。深度学习通过组合低层特征形成更加抽象的高层表示属性类别或特征，以发现数据的分布式特征表示。 [1]

深度学习的概念由Hinton等人于2006年提出。基于深度置信网络(DBN)提出非监督贪心逐层训练算法，为解决深层结构相关的优化难题带来希望，随后提出多层自动编码器深层结构。此外Lecun等人提出的卷积神经网络是第一个真正多层结构学习算法，它利用空间相对关系减少参数数目以提高训练性能。 [1]

深度学习是机器学习中一种基于对数据进行表征学习的方法。观测值（例如一幅图像）可以使用多种方式来表示，如每个像素强度值的向量，或者更抽象地表示成一系列边、特定形状的区域等。而使用某些特定的表示方法更容易从实例中学习任务（例如，人脸识别或面部表情识别）。深度学习的好处是用非监督式或半监督式的特征学习和分层特征提取高效算法来替代手工获取特征。

参考资料：

1. 孙志军，薛磊，许阳明，王正．深度学习研究综述[J]．计算机应用研究．2012(08)

2.深度学习那么火，它究竟能做些什么？．深度学习世界[2016-05-03]

3.Deep Learning（深度学习）学习笔记整理系列．[2017-02-27]

4.百度文库。