人工智能在醫(yī)療領(lǐng)域中的應(yīng)用

1、人工智能在醫(yī)療領(lǐng)域中的應(yīng)用人工智能在醫(yī)療領(lǐng)域中的應(yīng)用人工智能可以應(yīng)用到醫(yī)療的很多分支。基于醫(yī)療圖像，文字，檢驗報告等都可以幫助醫(yī)生診斷。比如這幾個問題:1.CAD(computeraideddiagnosis):計算機輔助診斷2.CBIR(contentbasedimageretrieval):基于內(nèi)容的圖像檢索3.圖像質(zhì)量評估4.大腦映射?MammographyCAD乳房X光片輔助診斷乳房X光可以發(fā)現(xiàn)早期乳腺癌。輔助診斷在乳房X光片中

2、可獲得很好的效果。研究表明如果讓兩個專家評估同一張乳房X光的話失誤率會降低很多。但專家費用高也很難有時間幫助其他專家。所以讓計算機充當另一個專家成為首選在只增加很少的費用的前提下大大提高了精度。早期乳腺癌是通過探測X光中的Microcalcifications(MCs)進行的。MCs集群往往是乳癌的警訊。傳統(tǒng)的MCs自動探測是用SVM。SVM取得了較好的效果已經(jīng)接近專家的精度。我們計劃把深度學(xué)習(xí)應(yīng)用在MCs的探測上。深度學(xué)習(xí)可以達到高于

3、專家的正確率。?CBIR由于機器學(xué)習(xí)輔助診斷是一個黑箱為了增加說服力一個方法是對陽性結(jié)果給出類似的已知的案例。比如如果機器慰劑后。所以每個個體有兩張圖像。而且我們知道哪張是服藥后的圖像。這成為一個分類問題:給一個圖像我們要判斷圖像是否是服藥后的圖像。傳統(tǒng)方法通過SVD降低維度然后用機器學(xué)習(xí)分類算法分類。一般精確度在90%左右。我們會使用深度學(xué)習(xí)提高精度。?智能診斷系統(tǒng)客戶是一家醫(yī)療機構(gòu)。他們希望從CT或XRay判斷病人是否患有腫瘤?？蛻?/p>

4、提供圖像及其是否健康的標志。用深度學(xué)習(xí)建立圖像是否健康的分類模型。優(yōu)勢在于:第一我們已經(jīng)開發(fā)出圖像分類深度學(xué)習(xí)的網(wǎng)絡(luò)。這個網(wǎng)絡(luò)適用于多種圖像分類問題運行速度快結(jié)果也非常好第二我們有一套算法可以減少圖像噪聲及提高運行效率。如果從CT或XRay無法判斷是否有腫瘤我們會建議病人做生理切片檢查。智能病理診斷有兩個步驟，第一步是用大量數(shù)據(jù)訓(xùn)練出模型。這一步是線下的，比較費時。訓(xùn)練出效果很好的模型后我們就可以用它來對輸入的圖像進行預(yù)測和診斷。除了對