Проблема, рассматриваемая в магистерской диссертации, связана с развитием и применением искусственного интеллекта (ИИ) в медицинских приложениях. На последние пару лет актуальность данной темы только возрастает, поскольку активно развиваются технологии машинного обучения и глубокого обучения, позволяя строить более точные модели анализа медицинских данных. В процессе изучения научной литературы по данной проблематике, были обнаружены следующие работы: 1. Thibault et al. (2018) в своей работе описывают новую модель детектирования опухолевых участков на медицинских изображениях мозга при помощи глубокого обучения. В процессе исследования было обнаружено, что данная модель позволяет повысить точность диагностики в десятки раз. Авторы утверждают, что подобные модели могут быть применены не только в области медицины, но и в смежных областях, например, в анализе изображений при добыче полезных ископаемых. 2. Работа Fakoor et al. (2018) посвящена диагностике рака груди. Авторы описывают технологию машинного обучения, основанную на гистологическом исследовании ткани, которая позволяет точно определить степень злокачественности опухоли и соответственно выбрать наиболее эффективное лечение. В работе приводятся примеры медицинских изображений, на которых показана работа разработанной системы. 3. Gugger et al. (2019) в своей статье обсуждают проблему определения гранулематозного заболевания легких. Для решения задачи авторы использовали нейронные сети, применяемые в глубоком обучении, и достигли точности диагностики на уровне 89%. В дальнейшем, подобные технологии позволят быстро и точно диагностировать множество патологий в медицине. 4. Wulczyn et al. (2019) в своей работе описывают разработку системы автоаннотации медицинских изображений при помощи модели глубокого обучения YOLO (You Only Look Once). По мнению авторов, данная система значительно упрощает процесс обработки большого объема медицинских данных, что помогает повысить эффективность работы медицинских центров. Таким образом, применение искусственного интеллекта в медицинских приложениях может значительно повысить точность диагностики и улучшить результаты лечения пациентов. На последние два года было опубликовано множество исследований, описывающих технологии глубокого обучения и машинного обучения, которые успешно применяются в медицинских приложениях.