1. 首頁 > 科技 > >

一加科技|近年來，智能技術在醫學各個領域的應用顯著增長，促進了醫學的發展

一加科技

一加科技|近年來，智能技術在醫學各個領域的應用顯著增長，促進了醫學的發展

文章圖片

一加科技|近年來，智能技術在醫學各個領域的應用顯著增長，促進了醫學的發展

文章圖片

一加科技|近年來，智能技術在醫學各個領域的應用顯著增長，促進了醫學的發展

文章圖片


近年來 ， 人工智能技術在醫學各個領域的應用顯著增長 。 這種增長主要是由于高性能計算的進步和學習技術深度的發展 ， 一個子集使用神經網絡學習從專業標記的數據庫中解決特定任務的AI算法 。 由于AI的應用而正在經歷范式轉變的醫學領域是醫學成像 ， 因為使用傳統圖像處理算法對圖像采集的不同模式進行分析是無法有效解決復雜問題 ， 例如在計算機斷層掃描研究中以高精度檢測肺裂 。




近年來 ， 這種情況發生了顯著變化 ， 這要歸功于卷積神經網絡 ， 這是一種特殊類型的DL算法 ， 可以從標記圖像的數據庫中學習卷積濾波器 。 這些過濾器能夠從圖像中提取大量特征 ， 在連續過程中組合這些特征可以解釋復雜的模式 ， 例如醫學圖像中存在的模式 。 CNN具有高度的通用性 ， 這使得今天可以在許多任務中開展許多研究 ， 例如在各種成像模式的采集中減少時間和提高質量 ， 在某些測試中減少對患者的對比度 ， 病例篩選 ， 疾病檢測和感興趣區域的分割 。



其中一些領域的研究已經達到了如此先進的發展水平 ， 目前市場上已經有完全基于人工智能的產品 ， 其在臨床實踐中的好處已經通過相關的驗證過程得到證明 ， 可以被視為醫療器械 。 分類包括為CNN的輸入案例分配屬于某個類別的概率 ， 也就是說 ， 估計圖像在多大程度上包含某個類別的共同模式 。 在醫學影像中 ， 利用CNN對胸片進行自動分類是科學界和業界都特別關注的領域 。

此外 ， 已經發布了包含數十萬張標記圖像的大型公共數據庫 ， 以推動該領域新算法的發展 。 這種興趣的主要催化劑之一是放射科缺乏資源來報告在臨床常規中獲得的大量胸片 。 出于這個原因 ， 已經開發了胸片分類算法來預先篩選健康受試者 ， 以便放射科醫生能夠將精力集中在報告潛在的病理病例上 。 分割包括描繪解剖區域 ， 這是一個可以通過CNN自動化的目標 ， 因為它們可以為圖像的每個體素分配一個概率屬于或不屬于感興趣區域 。

受到CT中自動肺分割改進的積極影響的一種圖像分析技術是自動肺氣腫量化 。 這是因為該技術是基于CT中肺中低于某個豪斯菲爾德單位閾值的體素計數 ， 因此 ， 精確估計屬于肺的體素對于正確計算體積至關重要 。 然而 ， 并非所有CNN在醫學成像中的應用都以改進衛生系統的流程為目標 ， 因為它們也可用于執行計算機攻擊 ， 其目的是阻止正確做出診斷 。

例如 ， 開發了一種基于對抗生成網絡)的方法 ， 該方法能夠通過人工添加或去除肺結節來改變CT圖像 。 總之 ， 人工智能技術 ， 更具體地說是深度學習技術 ， 已經允許開發新工具來改善醫療保健流程 ， 并通過醫學成像引入呼吸系統疾病評估的范式轉變 ， 自動化流程在今天它們減慢了醫院的工作流程并提高醫生的診斷效率 。

【一加科技|近年來，智能技術在醫學各個領域的應用顯著增長，促進了醫學的發展】然而 ， 這些新技術也引發了一些倫理問題 ， 例如當人工智能技術被用于輔助決策時 ， 誰應該為誤診負責的定義 。 此外 ， 還可能將這些算法用于計算機攻擊中的惡意目的 ， 從而改變患者的正確診斷 。 因此 ， 多學科委員會必須考慮這些場景 ， 才能在醫院機構中有效、安全地實施人工智能系統 ， 以實現更高效、更準確的衛生系統 ， 從而改善人們的健康 。

相關經驗推薦