Computed tomography (CT) examination, diagnostics, or other image analysis tasks may be used to integrate supplementary tomographic image reconstructions and radiomixes or to map tomography raw data directly to diagnostic findings within the machine learning framework. Using the above networks and / or algorithms. One or more reconstruction networks are trained to reconstruct tomography images from a training set of CT projection data. One or more radiomix networks are trained to extract features from the tomography images and associated training diagnostic data. The networks / algorithms are integrated and trained into an end-to-end network. Tomography data from an individual, for example, CT projection data, and a set of other relevant information is input to the end-to-end network and based on features extracted by the end-to-end network A potential diagnosis for the individual is calculated. The systems and methods may be applied to CT projection data, MRI data, nuclear medical imaging data, ultrasound signals, optical data, other types of tomography data, or a combination thereof.컴퓨터 단층촬영 (CT) 검진, 진단, 또는 다른 이미지 분석 작업들은 보충의 단층촬영 이미지 재구축들 및 라디오믹스를 통합하거나 단층촬영 미가공 데이터를 머신 러닝 프레임워크 내 진단 발견들로 직접적으로 매핑하기 위해 하나 이상의 네트워크들 및/또는 알고리즘들을 이용하여 수행된다. 하나 이상의 재구축 네트워크들은 CT 투영 데이터의 트레이닝 세트로부터의 단층촬영 이미지들을 재구축하기 위해 트레이닝된다. 하나 이상의 라디오믹스 네트워크들은 상기 단층촬영 이미지들 및 연관된 트레이닝 진단 데이터로부터 특징들을 추출하기 위해 트레이닝된다. 상기 네트워크들/알고리즘들은 말단-대-말단 네트워크로 통합되어 트레이닝된다. 개인으로부터의 단층촬영 데이터, 예를 들면, CT 투영 데이터, 그리고 다른 관련 정보의 세트가 상기 말단-대-말단 네트워크로 입력되며, 그리고 상기 말단-대-말단 네트워크에 의해 추출된 특징들에 기반하여 상기 개인을 위한 잠재적 진단이 산출된다. 상기 시스템들 및 방법들은 CT 투영 데이터, MRI 데이터, 핵의학 이미징 데이터, 초음파 신호들, 광학 데이터, 다른 유형의 단층촬영 데이터 또는 그것들의 조합에 적용될 수 있다.
