数据为首要任务,医疗影像

作者: 科技传媒  发布:2019-09-08

原标题:提高AI深度学习效率|清除"暗"数据为首要任务

“AI 医疗影像”:智慧医疗突破口

AlphaGo、IBM Watson、深度学习……
人工智能正在颠覆我们的社会与生活

图片 1

“从数量上讲,超过80%的医疗数据来自医学影像数据;从多样性上来讲,多模态影像、病理、检验、基因及随访信息等影像数据的种类繁多,高性能计算多层神经网络模型能够应用在影像数据;此外,影像的数字化及报告的结构化也确保了数据最真实可用。”在近日举行的“智慧未来:医疗人工智能峰会”上,汇医慧影CEO柴象飞对“AI 医疗影像”充满信心:“医学影像天生适合互联网 大数据 人工智能。”

图片 2

想要将某个领域的发展继续推进,有时候必须停下来看看现有的状况,进行策略性整理和分析,才能订出未来发展的大方向。医疗领域的发展也是如此,在医院收集的数十亿笔病例中,包括CT图、X光图、病理图等数子化医疗记录,我们为了要发展精准的医疗科技,近几年科学家希望能通过人工智能的技术在这些数据中找出核心关键。

对此,从事医学影像、肿瘤放射以及生物信息方面的研究超过20多年的斯坦福大学终身教授、斯坦福大学医学物理部主任邢磊认为,将来每个放射科医生手机或电脑终端都应该有一个智能分析决策的APP,“人工智能将扮演辅助分析决策的角色”。

看图识病,人工智能超越人类.gif

来自美国斯坦福大学(Stanford University)博士研究员Leon Bergen在TRANS Conference 2018论坛上表示,医疗机构现有的数据将会是未来数字医疗发展的重要资料库,我们通过计算机建模和实验来研究语言学方法,在语言分析过程中清除不相关的资料。拥有一个有效且完整的医疗数据库,必须先清除医疗资料库中的暗数据,才能进一步分析,并提供医疗人员正确的决策方向。

自2012年深度学习技术被引入到图像识别数据集ImageNet之后,其识别率近年来屡创新高,并且在某些领域达到或超过人类水平。深度学习技术加上医疗影像领域积累多年的数据,正在给这一领域带来令人惊喜的突破。

人类作为视觉动物,一半的脑容量都用于处理图像。而作为模拟人类大脑功能的人工智能近期在图像识别方面取得的突飞猛进,更充分展示出人工智能的魅力和前景。特别是结合了人工智能和医疗健康的智能图像分析技术,必将是人工智能率先普及的一个领域,也已经成为人工智能技术发展与投资的风口。

图片 3

斯坦福的研究人员一项发布在Nature上的研究显示,他们用卷积神经网络(CNN,深度学习一个最广泛的应用)做皮肤癌诊断,与21位皮肤科医生对比测试,结果所测的精确度与人类医生相当。另有一项利用CNN对糖尿病视网膜病变的诊断,结果显示,其算法的性能与眼科医生的水平一致。

图片 4

目前医疗护理流程图、医生诊断记录、放射科报告、肺部疾病报告的数字化医疗数据都可以透过AI进行分析。研究员Bergen表示,在进行数据分析之前,整理杂乱且无法直接使用的暗数据(Dark Data)是相当重要的一点。技术人员提供整理过的数据给AI系统进行深度学习,在这过程中包含了收集大量数据、清除暗数据、训练神经网络和通过网络内容进行分析。

深度学习技术几乎是目前医学影像领域效果最好的技术。“深度学习及强化深度学习,代表目前新潮的技术,它们能解决很多以前不能解决的问题,把医疗AI推向新的高潮。”邢磊说。

看图识病,人工智能超越人类.jpg

Bergan指出,在训练AI系统的深度学习过程中,研发人员必须不怕出错,在不断试验的过程当中,神经网络会依循每一次的结果改进,并给予不同以往的产出。研发人员必须评估神经网络产出的结果,并调整网络的学习数据。

邢磊还举出汇医慧影的例子:汇医慧影已经在打造一个智能医疗影像平台,并已取得了惊人的进展。

与传统的人工医疗影像分析手段相比,人工智能更能准确、快速的分析处理医疗影像。 特别是在目前绝大多数医疗数据均来自于医疗影像的情况下,人工智能更是显示出其海量数据处理的优势。不仅中低水平医生阅读医疗影像存在困难,即便是高水平医生,对于医疗影像的阅读判断,也是要消耗大量的时间精力。比如核磁共振(CT)图像是多张,每张都需要查看,而且早期的病变很小,CT信号并不明显,因此导致的漏诊率、误诊率较高。而基于人工智能的智能医疗图像分析系统可以轻松的从海量图像数据中学习出诊断模式和规律,从而快速准确的做出诊断决策和治疗方案。

本文由金沙国际唯一官网发布于科技传媒,转载请注明出处:数据为首要任务,医疗影像

关键词: