通常的图像分类任务动辄几十万、上百万，甚至上千万的数据量相比，医疗影像它的数据量常少的。同时，由于设备参数、医生的拍照手法或拍摄角度、光照的明暗不同，食管的表观测试你的前世今生变化非常复杂。那么，我们怎样才能在这样的条件下得到一个可靠稳定的模型？
采用Feature map。Feature Map是卷积核卷出来的，你用各种情况下的卷积核去乘以原图，会得到各种各样的feature map。你可以理解为你从多个角度去分析图片。而不同的特征提取（核）会提取不同的feature，模型想要达成的目的是解一个最优化，来找到能解释现象的最佳的一组卷积核。
在同一层，我们希望得到对于一张图片多种角度的描述，具体来讲就是用多种不同的卷积核对图像进行卷，得到不同核（这里的核可以理解为描述）上的响应，作为图像的特征。他们的联系在于形成图像在同一层次不同基上的描述。下层的核主要是一些简单的边缘检测器（也可以理解为生理学上的 cell）。
在拿到食管数据之后，如何判别这个食管属于健康正常食管还是病变食管呢？当我们判断一个食管是否异常食管时，只需要找到一个病变区域，就能够说明这个食管是异常的。但是反过来，在正常图像中，并不能说找到一个正常特征，就说明这个食管是正常的。只能说在这张图像中我们没有找到异常特征，它可能是见正常的。
因此，在正常特征和异常特征之间，我们更倾向于提取病变特征，正常特征。病变和正常的case都会经过神经网络，以得到特征向量。对于这个向量，我们希望尽可能凸显异常特征，让正常特征趋近于0。我们是如何把这种信息建模到模型中的呢？我们对模型进行了重新建模，最后准确率大概在97%左右。前面的模型相对来说比较简单，第三个模型主要是区分炎症和癌症，它与前两个问题不大一样。
一般情况下，病变的食管图像里都会伴随着一些炎症的特征。我们对癌症的判断往往是通过一个纹理特别小的区域得出的，因此需要提取出更加精细化的特征。比较好的做法就是让很多专家把病灶区非常严谨地标注出来，这样我们只需要对这个区域进行识别就好了。这个标注量非常大，因此数据异常匮乏。我们没有癌症区域的标注数据，但又希望得到非常精细化的特征，如何解决这个矛盾呢？
幸运的是，我们虽然无法获取到非常精准的病变区域标注影像，却能够相对容易地知道一张图像是否包含癌症，因为只需要跟病例对应关联起来就好了。这样一来，我们可以更容易地得到图像全局的标签。
如果一张图像包含了癌症，必然会有一个或几个区域包含了癌症的特征。也就是说，如果我们把图像切分成几个patch，必然会有某个或某几个patch包含癌症特征。基于这样一种思，我们采取了多序列的学习方式。这个方法的内在思想很简单，就是把图像切分成若干个patch，然后对每个patch建模，判别这个patch发生癌症的概率。我们最后把所有patch里面癌症概率最高的那块，作为图像是否包含癌症的标签。
做的过程当中，我们会逐渐积累精准标注的数据，这些数据非常少，不足以虚拟一个模型。但图像中的特征都是最精准的，是经过人为校验和标注的。我们怎样才能把这种少量的、精准的数据强化到癌症识别中去呢？这是个非常有意思的问题，如果能解决这个问题，即使只有少量标准数据，我们也能不断提升。这里主要采用了多任务学习的方法，这个方法需要完成两个任务：
基于有病变区域标注的数据建立有监督的学习任务；对于没有病变区域标注的数据，建立前面提到的多序列学习任务。这两个模型共享特征提取网络，特征提取网络必须同时满足两大任务，这样才能把精准标注的特征强化到癌症识别中去。
辅助诊断的目的是什么呢？我们希望机器最终能够像临床医生一样具备诊断疾病的能力。在介绍辅助诊断项目之前，我们先来看看一个医生或者一个普通的学生是如何成长为一名专家的：一个学生从刚入学开始，学习了大量专业课程，阅读了大量专业医学文献后，就可以积累一定程度的医学知识。当医学知识达到一定程度之后，就可以去医院里面实习，由临床医生结合一些真实案例，指导他去学习诊断的技能。
医学知识图谱的构建，也就是机器学习知识的过程；有了知识之后学习诊断的能力，也就是建立疾病判别的一些模型；让机器在与专家的博弈过程中，不断提升诊断水平，逐渐逼近甚至超过专家。医疗知识图谱的构建过程中，我们首先要对文本数据进行处理。文本数据分成两类，一类是半结构化数据，一类结构化数据。
我们可以把病史分为几个部分：疾病的情况、入院的治疗经过、入院的依据等；把病史分为这样几部分信息后，再对每一类信息进行细化和提取；经过提取之后，非结构化的文本就变成了计算机能够理解的结构化文本；我们会把这些信息为医学知识图谱存在电脑里，于是计算机就把这个知识学会了。
诊断的过程是这样的，首先把一段人类语言描述的病情成计算机可以理解的结构化知识。有了结构化的知识以后，机器就能理解这个人的情况，把知识推送到疾病诊断模型当中，模型将给出一个疾病列表，诊断模型的流程大致就是这样。
不懂编程没关系，邀请您来学AI活动概述：本活动是现场，由知名AI教育专家、金门创新学院院长、Android技
Imagination Technologies宣布：得益于全新优化的开源SYCL神经网络库，使用T....
全球发展速度最快、最具创新性的FPGA设计公司-广东高云半导体科技股份有限公司（以下简称“高云半导体....
根据人工智能非营利组织（OpenAI）数据显示， 对计算机能力的需求在2012之后的6年里增长了超3....
首先，行业企业内对于技能型人才的需求量还常大的，而大量的技能型岗位都需要从业者具备匠心。虽然....
虽然从技术体系结构上来看，大数据技术已经趋于成熟，但是由于大数据与物联网、云计算、人工智能等技术有较....
智能化安防是时代对安防行业提出的更高的需求，也是大数据、云计算、深度学习、人工智能等技术发展不断发展....
纵观目前的环卫市场，机械化、智能化、数据化的趋势越来越明显，智慧环卫频繁接触“黑科技”，现在轮到垃圾....
通过网络自动化、数字孪生和AI等手段，使能网络极简和运维极简，助力运营商提升运维效率、资源利用率、客....
在人工智能时代下，软件谷与华为基于华为云在AI方面的技术能力、生态能力、产业发展的实践能力，合力打造....
用AI来治理交通拥堵，在轰轰烈烈的城市智能化大潮的席卷下，大家想必或多或少都听说过。那么，利用A....
在人工智能的落地应用上，中国的数字化上云、机器人多样化、汽车、医疗设备等领域都有各种各样的智能化接口....
最后是加快AI医疗领域人才培育和养成。AI医疗产品为何缺乏买单动力，缺乏专业人士应用和相关人士普及是....
频谱之战，或许还将延伸到更为遥远的6G建设中。而频谱共享从技术蓝图真正抵达现实，AI产业端的支撑必不....
人工智能芯片目前有两种发展径：一种是延续传统计算架构，加速硬件计算能力，主要以 3 种类型的芯片为....
集成电技术一直在发展，但为什么一直没有嵌入式FPGA技术？Robert Blake认为有两个原因：....
今日，以“洞见当下，预见未来——5G＋AI＋视频，加速千行百业智能化升级”为主题的华为智能安防产业峰....
人工智能的广泛应用，以及同其他技术，如虚拟现实技术和物联网技术的结合，必然导致社会结构的变革。
在一些前沿科技的实用技术方面，依旧是以5g跟物联网首当其冲，这也是资本家最关注的地方，随着这两个前沿....
如今，人工智能的高速发展，彻底改变了人类的工作方式、生活方式和思维方式，也实现了生产力的整体跃升和社....
未来十年，全球数字经济最重要的主题之一是数字基础设施的重构、切换与迁徙，以及基于新型数字基础设施的商....
他谈到，以5G+AI为代表的新一代信息技术，正在为智慧城市全面赋能。同时，5G+AI将成为新一代信息....
人脸识别类技术进校园的话题持续引发关注，此类人工智能（AI）技术除了应用于校园门禁控制、学生考勤管理....
”中国移动研究院副院长强在华为自动驾驶网络发布会上给出了自己的答案——首先是首先是对外服务智能化....
AI技术为网络带来预测和推理的能力，将在前瞻性预测预防、高复杂度分析、寻找最优解及减少重复人工任....
他在华为自动驾驶网络发布会上指出，纵观行业发展，当前5G、物联网、软件定义/虚拟化和全光网已成为通信....
10月23日消息，全球解决方案提供商「Signal AI」于近日获得2500万美元的C轮融资，由R....
台工研院表示，5G时代下，未来所有的运算都在云端，因此终端设备的最大功能只剩下画面呈现，甚至高端电脑....
使用3D打印机的医疗保健专业人员的例子可以追溯到十多年前，这使得该技术已经在某些领域得到了很好的发展....
目前业内的AI数据内容主要有人脸数据和结构化数据两种，包含机动车、非机动车、行人。数据类型包含了图片....
当下安防产业已经迎来智能化时代，但大部分安防设备依旧集中在视频图像处理及数据研判分析，传统安防的许多....
提到人工智能（AI），人们首先会想到将其应用于机器设备，诸如智能音响、智能电视等，实现减少过多的人工....
据外媒报道，Letstrack发布新款系统，可提供车载AI语音功能。该系统与智能手机语音助理类似，我....
在工作中，智能化辅助系统可以依照角色或流程等属性，即时提供给任务执行者个性化且适量的内容，扮演了....
随着工作场所中实时流式传输和点播视频的使用不断增长，添加 AI 有望成倍增加视频的使用以促进广电工作....
从最初的算法PK到当下不断把技术落地各种场景，各个人工智能独角兽公司用各自的算法优势在不同的领域里落....
在人工智能成为全球IT巨头最新角斗场的今天，中国毫无疑问已进入全球最大的人工智能国家之列。
安防领域正处在物联网与AI技术的中心，这些年技术从模拟化数字化，从IP化AI化，产品线一....
人工智能不是去替代人，而是增强智能，“让人从重复式的脑力劳动中解放出来，从事更多创新和创造的工作。
中央局就区块链技术发展现状和趋势进行集体学习，提出要把区块链作为核心技术自主创新的重要突破口....
相对于传统计算，量子计算优势明显。就拿谷歌看重的人工智能领域来说，其源动力分别为大数据、算法和计算能....
AI技术近些年发展很快，2017年AI“阿尔法狗”甚至在对弈中击败了目前世界围棋界第一人柯洁，表明人....
在安防领域，腾讯与百度的跟进已经在上，无论是腾讯超级大脑与腾讯优图，还是百度大脑AI平台，在数....
传递到癌细胞中的一种名为element的元素在受到特别调谐的X射线照射时出杀手电子。该方法发表在....
由于当今世界正以飞速的方式发展前进，职场人士不得不努力去提高生产力和工作效率，但很多时候仍然达不到自....
人工智能能否与医生的诊断技能相提并论?一款软件是否能超越劳累过度的医务人员的能力?一项研究得出结....
随着信息时代的到来，越来越多的行业正在享受着大数据带来的便利。经过分析的数据能够更好地帮助从业者归类....
在1980年，模拟视频正式应用；2005年，网络数字正式拉开序幕；2009年，高清数据逐....
恩格斯曾言，尖端科技的应用最早是从军事领域开始，换句话说，军事领域更能为尖端科技发展提供良好空间和机....
智慧屏，说白了还是电视，绝口不提电视，大概是因为在互联网新新人类的购物清单上，电视早已不是必需品了。
AI技术拥有更高的效率。人工智能运算速度快，可昼夜不停地运行，学习和工作效率远超人类，可大大节省时间....
无线半导体业务将在未来几年大幅扩张，因为互联的设备数不断升高。分析公司ABI Research估计，到2021年，无联互连...
网友评论 ()条 查看