最近2019中文字幕免费直播,一本久久a久久精品亚洲,最近免费中文字幕完整版在线看 ,亚洲最大的成人网,艳妇臀荡乳欲伦岳txt免费下载

人工智能是模仿人類智力和行為的科學(xué)。機(jī)器學(xué)習(xí)是人工智能的一個(gè)分支，它可以訓(xùn)練機(jī)器如何使用算法或統(tǒng)計(jì)信息來(lái)查找隱藏的認(rèn)知并自動(dòng)從數(shù)據(jù)中學(xué)習(xí)知識(shí)。深度學(xué)習(xí)是機(jī)器學(xué)習(xí)方法的其中一種，它使用一些先進(jìn)算法（例如自動(dòng)編碼或卷積）并把它們應(yīng)用到深度神經(jīng)網(wǎng)絡(luò)，從而達(dá)到識(shí)別數(shù)據(jù)模式的目的。由于現(xiàn)在的很多應(yīng)用產(chǎn)生了海量數(shù)據(jù)和強(qiáng)大的超級(jí)計(jì)算機(jī)的存在，深度學(xué)習(xí)最近變得非常成功。正因?yàn)樯疃葘W(xué)習(xí)的飛速發(fā)展，語(yǔ)音和面部識(shí)別、圖像分類和自然語(yǔ)言處理等許多應(yīng)用研究有了突飛猛進(jìn)的提升。

醫(yī)生采用醫(yī)學(xué)圖像來(lái)診斷疾病已近數(shù)十年了。采用深度學(xué)習(xí)處理并識(shí)別醫(yī)學(xué)圖像是非常自然的應(yīng)用，由于醫(yī)生的人工成本較高而計(jì)算成本較便宜，因此采用深度學(xué)習(xí)處理這些圖像也是一種經(jīng)濟(jì)的方式。目前主要有三種類型的醫(yī)學(xué)圖像。放射線圖像由MRI圖像、X射線圖像、PET和CT圖像組成，它們顯示器官水平的一些特征。放射科醫(yī)生通過讀取這些在膠片上的圖像，從而發(fā)現(xiàn)諸如黑點(diǎn)等特殊特征來(lái)診斷疾病。組織病理學(xué)圖像可以通過顯微鏡獲得。這里我們可以使用掃描儀捕獲整個(gè)載玻片上的圖片，再將其保存為包含組織和細(xì)胞水平細(xì)節(jié)的數(shù)字圖像。病理學(xué)家使用顯微鏡觀察載玻片上的染色標(biāo)本，也可以通過觀察保存好的數(shù)字圖像，來(lái)進(jìn)行疾病診斷。

分子圖像是通過電子顯微鏡獲得的，能夠顯示分子水平的細(xì)節(jié)，例如重原子附近的輕原子或細(xì)胞內(nèi)可測(cè)量的鍵長(zhǎng)。分子成像與傳統(tǒng)成像的不同之處在于生物標(biāo)記物可以顯示特定的疾病靶標(biāo)或途徑。組織病理學(xué)圖像和分子圖像是用侵入性方法獲得的，而放射學(xué)圖像是非侵入性的。用于MRI、X射線、PET和CT圖像的機(jī)器學(xué)習(xí)算法可以用來(lái)補(bǔ)充放射科醫(yī)生的意見，而用于病理組織學(xué)圖像的計(jì)算機(jī)算法可以用來(lái)進(jìn)行疾病檢測(cè)，診斷和預(yù)后預(yù)測(cè)，以補(bǔ)充病理學(xué)家的意見。分子圖像還可以幫助生物學(xué)家識(shí)別疾病的生物標(biāo)志物并用于檢測(cè)疾病，例如癌癥。除了改善疾病的診斷能力外，人工智能技術(shù)還通過優(yōu)化新藥的臨床前和臨床試驗(yàn)來(lái)改善這些疾病的治療。疾病進(jìn)展預(yù)測(cè)和更早更準(zhǔn)確的診斷意味著可以節(jié)省更多的醫(yī)療費(fèi)用和拯救更多的生命。因此，人工智能技術(shù)具有重大的經(jīng)濟(jì)和社會(huì)效益，最近頗受關(guān)注。

作為人類，醫(yī)生會(huì)從教科書或他的老師或同事那里學(xué)習(xí)哪些特征對(duì)識(shí)別疾病很重要。如果他的知識(shí)不完整或教科書中的知識(shí)不完善，他就會(huì)犯錯(cuò)誤。然而，機(jī)器學(xué)習(xí)可以通過訓(xùn)練來(lái)學(xué)習(xí)未知知識(shí)并自動(dòng)發(fā)現(xiàn)新的重要特征。在深度學(xué)習(xí)中我們可以同時(shí)優(yōu)化特征和分類器，從而產(chǎn)生非常好的預(yù)測(cè)結(jié)果。除了特征提取和分類，機(jī)器學(xué)習(xí)算法還可以執(zhí)行去噪、分割、配準(zhǔn)、聚類和診斷等操作。經(jīng)過訓(xùn)練的人工智能系統(tǒng)（例如神經(jīng)網(wǎng)絡(luò)）可以快速并經(jīng)濟(jì)實(shí)惠地執(zhí)行疾病診斷。如果人工智能系統(tǒng)也可以在預(yù)測(cè)精度方面做得更好，那么在將來(lái)的診斷中采用它幾乎是毋庸置疑的了。

但是，我們?nèi)匀恍枰朔S多障礙才能使人工智能發(fā)揮它真正的潛能。除了人工智能中常見的問題（例如訓(xùn)練時(shí)間長(zhǎng)，內(nèi)存需求大以及隱私和安全性問題）外，它們還有幾個(gè)獨(dú)特的問題需要解決。

1. 人工智能需要大量的訓(xùn)練數(shù)據(jù)才能獲得良好的預(yù)測(cè)模型。但是，醫(yī)學(xué)圖像數(shù)據(jù)很難獲得，并且由于其高昂的生產(chǎn)成本，人們不愿意共享。這也許是讓醫(yī)學(xué)圖像數(shù)據(jù)成為知識(shí)產(chǎn)權(quán)和商品的時(shí)候了。

2. 由于需求不同，每個(gè)領(lǐng)域都需要不同的模型，并且沒有通用的理論來(lái)指導(dǎo)模型和參數(shù)的選擇。它仍然是一門反復(fù)試驗(yàn)的科學(xué)，就像缺乏科學(xué)和理論的“煉金術(shù)”一樣。所以發(fā)展一整套理論來(lái)指導(dǎo)實(shí)驗(yàn)，減少試驗(yàn)次數(shù)或優(yōu)化系統(tǒng)，是一個(gè)很好的研究方向。

3. 由于不同的數(shù)據(jù)源具有不同的優(yōu)勢(shì)，并且融合后的最終結(jié)果通常會(huì)更好，因此提出了比單模式更好的多模式學(xué)習(xí)模型。例如，要診斷特定疾病，我們可以使用MRI，功能性MRI、CT、組織病理學(xué)圖像和分子圖像以及基因組數(shù)據(jù)，生物芯片數(shù)據(jù)和醫(yī)生認(rèn)可的圖像特征等多種數(shù)據(jù)源進(jìn)行獨(dú)立的預(yù)測(cè)。當(dāng)融合這些獨(dú)立的預(yù)測(cè)結(jié)果以獲得最佳結(jié)果時(shí)，我們要求這些數(shù)據(jù)來(lái)自同一組患者。這就要求我們同時(shí)使用不同的方法對(duì)這些患者進(jìn)行測(cè)試，這對(duì)任何一家醫(yī)院來(lái)說都是一項(xiàng)艱巨的任務(wù)。測(cè)試必須用同一個(gè)患者群體很容易理解，為什么也要同時(shí)進(jìn)行呢？因?yàn)椴煌瑫r(shí)間，一個(gè)人的疾病會(huì)發(fā)展或消失。

4. 當(dāng)前的人工智能（如深度學(xué)習(xí)）是一個(gè)黑盒子，人們可以獲得預(yù)測(cè)結(jié)果，但是不知道結(jié)果是如何獲得的。理解預(yù)測(cè)過程和獲取其推理規(guī)則是下一個(gè)重要研究主題。預(yù)測(cè)結(jié)果是由于X射線圖像上的黑色區(qū)域還是光滑的圓造成的呢？所以可解釋的人工智能對(duì)于用醫(yī)學(xué)圖像來(lái)診斷病情尤其重要。

5. 如何在人工智能系統(tǒng)中利用人類經(jīng)驗(yàn)是一個(gè)棘手的問題。人工智能專家如何將醫(yī)生掌握的先驗(yàn)知識(shí)注入到深度學(xué)習(xí)系統(tǒng)中以改善預(yù)測(cè)結(jié)果呢？

6. 最后，在使用醫(yī)學(xué)圖像預(yù)測(cè)疾病方面還存在一些法律問題。像醫(yī)生一樣，人工智能哪怕有99%的準(zhǔn)確率，它有時(shí)候也一定會(huì)犯?jìng)颊叩脑\斷錯(cuò)誤。由于法律還不成熟，因此人工智能的診斷錯(cuò)誤決定很有可能會(huì)引起法律訴訟。因?yàn)闆]有政府的支持和相關(guān)的政策，醫(yī)院不太可能在不久的將來(lái)部署商業(yè)人工智能算法作疾病診斷。目前，人工智能系統(tǒng)仍被用作為疾病預(yù)測(cè)的輔助工具。但在不久的將來(lái)，當(dāng)人工智能在相關(guān)法律的保護(hù)下并產(chǎn)生比醫(yī)生更高的診斷精度時(shí)，人工智能系統(tǒng)用于疾病診斷和醫(yī)療衛(wèi)生的夢(mèng)想就一定可以實(shí)現(xiàn)。這些挑戰(zhàn)同時(shí)也為計(jì)算機(jī)科學(xué)家和醫(yī)療保健領(lǐng)域人士創(chuàng)造了大量研究和發(fā)明的機(jī)會(huì)。

本文收錄在 Springer AI核心技術(shù)前沿專題頁(yè)面，限時(shí)開放領(lǐng)域精選期刊論文與圖書章節(jié)，還有專家獨(dú)家文章，瀏覽更多精彩內(nèi)容。