Tıbbi görüntülemede yapay zekânın ortaya çıkmasının ardındaki temel itici güç, klinik açısından verimliliği arttırmaktır. Radyolojik görüntüleme verileri sürekli artarken, bu verileri değerlendirecek uzman sayısının sınırlı kalması, yorumlama ve raporlama süreçlerini giderek zorlaştırmaktadır. Bu tür değerlendirmeler genellikle eğitim ve deneyime dayanır ve zaman zaman öznel olabilir. Bu tür nitel değerlendirmeler, yapay zekâ görüntüleme verileri ile karmaşık kalıpları tanımada üstündür ve otomatik bir şekilde nicel bir değerlendirme sağlayabilir. Yapay zekâ, radyolojik tetkikleri uygulayan ve bu tetkikleri yorumlayan uzmanlara yardımcı olmak için bir araç olarak klinik iş akışına entegre edildiğinde daha doğru ve tekrarlanabilir radyoloji değerlendirmeleri yapabilir. Birçok tıbbi durumla ilgili araştırmalar, daha hızlı ve tekrarlanabilir nicel görüntüleme belirteçlerinin geliştirilmesine olanak sağlayarak bu yaklaşımlardan büyük ölçüde faydalanmıştır. Bu belirteçler, hastalık teşhisine, prognozun belirlenmesine, tedavi için hasta seçimine ve tedaviye verilen yanıtların takibine yardımcı olmak için kullanılmıştır. Bu tür yapay zekâ programları ile, bilgisayarlı tomografi ve manyetik rezonans görüntülemede, vücut genelindeki organ ve dokuların otomatik segmentasyonu arttırılmıştır.

Bu bölümün amacı, yapay zekâ uygulamalarının; radyografi, oral radyoloji, mamografi, ultrasonografi, bilgisayarlı tomografi ve manyetik rezonans görüntüleme gibi farklı modalitelerde görüntü kalitesinin artırılması, artefaktların azaltılması, lezyon tespiti ve sınıflandırmasının otomatikleştirilmesi ile tanısal doğruluğun yükseltilmesine önemli katkılar sağlamaktır. Derin öğrenme temelli algoritmalar, klinik iş akışını ve radyolojik tetkiklerin uygulanmasını optimize ederken, radyologların karar destek süreçlerini güçlendirmekte ve hasta yönetiminde daha hızlı, güvenilir ve standardize yaklaşımların geliştirilmesine olanak tanımaktadır.