資源描述：
《人工智能技術(shù)在醫(yī)學(xué)領(lǐng)域的應(yīng)用與前景》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫。
1、人工智能技術(shù)在醫(yī)學(xué)領(lǐng)域的應(yīng)用與前景零氪科技（北京）有限公司首席架構(gòu)師中科院計(jì)算醫(yī)學(xué)工程技術(shù)中心研究員王曉哲人工智能、機(jī)器學(xué)習(xí)還是深度學(xué)習(xí)？機(jī)器學(xué)習(xí)的定義AcomputerprogramissaidtolearnfromexperienceEwithrespecttosomeclassoftasksTandperformancemeasureP,ifitsperformanceattasksinT,asmeasuredbyP,improveswithexperienceE.——TomMitchel，MachineLearning計(jì)
2、算機(jī)通過對(duì)已有資料的來積累經(jīng)驗(yàn)，自動(dòng)提高對(duì)任務(wù)的處理性能。樣本模型結(jié)果訓(xùn)練預(yù)測(cè)機(jī)器學(xué)習(xí)的典型問題范疇SVMkNN分類例如：肺部結(jié)節(jié)良惡性判定LR有監(jiān)督學(xué)習(xí)C4.5回歸LinearSVR例如：載脂蛋白同低密度膽固醇的關(guān)聯(lián)分析PRk-means機(jī)器學(xué)習(xí)聚類DBSCAN例如：基于分子分型和臨床表現(xiàn)的相似群體劃分Spectral無監(jiān)督學(xué)習(xí)PCA降維SVD例如：癲癇患者腦電信號(hào)LDA的電極選擇和特征提叏DNN例如：影像數(shù)據(jù)變換為反映表征學(xué)習(xí)CNN異常情況的定長(zhǎng)數(shù)值向量RNN當(dāng)前醫(yī)療領(lǐng)域機(jī)器學(xué)習(xí)應(yīng)用熱點(diǎn)方向醫(yī)學(xué)影像處理1.影像分類?檢查分類
3、?目標(biāo)區(qū)域/病灶分類2.目標(biāo)檢測(cè)?器官、組織及標(biāo)記定位?病灶檢測(cè)3.圖像分割?器官/解剖結(jié)構(gòu)區(qū)域分割?病灶區(qū)域分割4.影像檢索?基于內(nèi)容的影像檢索病歷信息結(jié)構(gòu)化醫(yī)院輿情監(jiān)控前沿研究成果基于乳腺鉬靶影像的病變檢測(cè)檢測(cè)效能接近人類丏家水平AUC=0.852(AI)vs.AUC=0.911(MeanReader)Kooi,T.,Litjens,G.,vanGinneken,B.,Gubern-Me?rida,A.,Sa?nchez,C.I.,Mann,R.,denHeeten,A.,Karssemeijer,N.,2016.Large
4、scaledeeplearningforcomputeraideddetectionofmammographiclesions.MedicalImageAnalysis35,303–312前沿研究成果*基于腦部MRI的白質(zhì)高信號(hào)灶分割分割效能接近人類丏家水平Dice=0.780(AI)vs.Dice=0.796(Indep.Obs)Ghafoorian,M.,Karssemeijer,N.,Heskes,T.,vanUden,I.W.M.,deLeeuw,F.-E.,Marchiori,E.,vanGinneken,B.,Pla
5、tel,B.,2016b.Non-uniformpatchsamplingwithdeepconvolutionalneu-ralnetworksforwhitematterhyperintensitysegmentation.In:IEEEInternationalSymposiumonBiomedicalImaging.pp.1414–1417前沿研究成果*基于皮膚鏡照片的皮膚癌分類診斷分類效能達(dá)到人類丏家水平AUC=0.91(AI)Esteva,A.,Kuprel,B.,Novoa,R.A.,Ko,J.,Swetter,S
6、.M.,Blau,H.M.,Thrun,S.,2017.Dermatologist-levelclassificationofskincancerwithdeepneuralnetworks.Nature542,115–118前沿研究成果*基于數(shù)字病理切片的乳腺癌淋巴結(jié)轉(zhuǎn)移檢測(cè)檢測(cè)效能達(dá)到人類丏家水平AUC=0.986(AI)vs.AUC=0.966(Pathologist)YunL.,KrishnaG.,MohammadN.,GeorgeE.D.,TimoK.,AlekseyB.,SubhashiniV.,AlekseiT.,
7、PhilipQ.N.,GregS.C.,JasonD.H.,LilyP.,MartinC.S.,2017.DetectingCancerMetastasesonGigapixelPathologyImages.ArXiv前沿研究成果*基于眼底照片的糖尿病性視網(wǎng)膜病變檢測(cè)檢測(cè)效能達(dá)到人類丏家水平AUC=0.991(AI)Gulshan,Varun,etal.Developmentandvalidationofadeeplearningalgorithmfordetectionofdiabeticretinopathyinretin
8、alfundusphotographs.JAMA316.22(2016):2402-2410前沿研究成果*胸片骨減影減影后影像質(zhì)量超過了常用的雙能量數(shù)字減影攝影術(shù)（DES）Yang,W.,Chen,Y.,Liu,Y.,Zhong,L.,Qin,G.,Lu,Z.,
