Computer er en av de mest nyttige verktøy i dagens verden, og det har sin betydning i hver sektor. I dag, uten datamaskin, er ingen jobb mulig. Inkludering av maskinen i helsesektoren har vært en stadig økende prosess og nå det blir et nyttig og obligatorisk verktøy ved behandling av pasienter. Praktisk talt, alle aspekter av diagnosen prosessen, på en eller annen måte inkorporerer hjelp av datamaskiner fra elektronisk pasientjournal, medisinske bilder og laboratoriearbeid og så videre. I radiologi, dataassistert diagnose (CAD) er prosedyrer i medisiner som hjelper leger i tolkningen av medisinske bilder. Implementering av imaging teknikker i X-ray, MR, etc., hjelper DAK-system for å skanne digitale bilder. Dette systemet er vanligvis begrenset til å lage iøynefallende strukturer og seksjoner. CAD vil fungere som et verktøy i det som kalles evidensbasert klinisk beslutningsstøtte.
Dataassistert diagnose er en relativt ung tverrfaglig teknologi som kombinerer elementer av kunstig intelligens og digital bilde prosesjon med radiologisk bilde behandling. Et karakteristisk anvendelse av CAD er deteksjon av en svulst. For eksempel, noen helse fast og sykehus bruker CAD å støtte forebyggende legekontroll i mammografi, påvisning av polypper i tykktarmen og lungekreft. Med CAD verktøy, som kombinerer alle relevante data til hjelp i diagnostisering prosessen, vil det ikke lenger være en mangel på koordinering blant alle relevante funn. Alle registreringer av pasienter og kliniske studier, tidsskriftartikler spille en viktig rolle i diagnostisering og behandling prosess. Med den enorme mengden av kunnskap vi har i dag ingen tegn og symptomer på sykdommer det ikke lenger er forsvarlig å diagnostisere og behandle en pasient bare på grunnlag av symptomer som de viser den dagen de blir sett.
i disse dager, dataassistert diagnose i medisinsk avbildning spiller en stor rolle i deteksjon og diagnose av mange sykdommer. Fra anatomisk informasjon til de molekylære og cellulære uttrykk, gir medisinsk bildebehandling direkte visualisering betyr å se gjennom menneskekroppen og observere minutt anatomiske endringer og biologiske prosesser preget av ulike fysiske og biologiske parametre. Likevel, på grunn av ulike subjektive faktorer og begrenset analyse tid og verktøy, er det ganske vanlig at ulike leger kan komme opp med ulike tolkninger, som fører til ulike diagnoser. Videre, for det samme settet av medisinsk bildebehandling, kan en lege gi ulike diagnoser resultater på ulike tidspunkt.
De ekstraherte funksjoner kan nå bli integrert i en diagnose ved hjelp av en beslutningsalgoritme med valg som spenner fra regelbaserte modeller til den tradisjonelle statistiske analysen til de mer populære kunstig intelligens teknikker, slik som nevrale nettverk og genetiske algoritmer. Ved bruk av dataassistert diagnose i medisinsk bildebehandling, blir inngangs generasjon prosessen automatisert og for at det er reproduserbar og sprek. Noen av de teknikker som representerer teksturen på basis av de spektrale egenskapene til et bilde. Andre er modellbaserte teknikker som analyserer tekstur ved å identifisere en passende modell, noe som gjenspeiler forkunnskaper om hvilken type bilder som skal analyseres. Det er tekstur funksjoner som beskriver lokale bilde statistikk og annen som beskriver global statistikk.
