深度學習使人工智慧可超快分析三維醫學影像

2020-12-03 電子產品世界

  人工智慧在醫療領域的應用以數見不鮮了。在醫學影像方面更是具有其獨特的價值。

本文引用地址:http://www.eepw.com.cn/article/201808/390565.htm

  據了解,前沿的人工智慧已可以用於三維醫學影像,對神經系統疾病和視網膜疾病做出快速、準確的醫療診斷。

  人工智慧可以識別二維的醫學影像,但是對於三維的醫學影像分析效果不是很理想。醫學分析診斷不能有絲毫差錯,這方面的專家致力於深度學習在人工智慧方面的應用,希望可以讓人工智慧解析三維醫學影像,來服務患者。

  目前此項技術已成功實現深度學習算法應用於三維醫學影像的超快分析。

  據悉,谷歌旗下人工智慧子公司——「深度思維」開發一款深度學習架構來用於分析視網膜光學相干斷層(OCT)掃描並診斷視網膜疾病,準確率高達95%。並且積極地投入到實際應用中。

  人工智慧+醫療將更好地服務患者,提高醫療工作效率。


相關焦點

  • 深度學習可超快分析三維醫學影像
    英國《自然·醫學》雜誌13日在線發表的兩項獨立研究顯示,最新的人工智慧(AI)已可以基於三維醫學影像,對神經系統疾病和視網膜疾病給出快速、準確的自動診斷。這意味著深度學習算法已成功應用於三維醫學影像的超快分析。
  • 人工智慧已可以用於三維醫學影像,快速準確的做出醫療診斷
    打開APP 人工智慧已可以用於三維醫學影像,快速準確的做出醫療診斷 工程師青青 發表於 2018-08-17 16:40:58
  • 深度學習在醫學影像中的研究進展及發展趨勢
    深度學習在醫學影像中的研究進展及發展趨勢王麗會1,2, 秦永彬1,21 貴州省智能醫學影像分析與精準診斷重點實驗室,貴州 貴陽 5500252 貴州大學計算機科學與技術學院,貴州 貴陽 550025摘要:醫學影像是臨床診斷的重要輔助工具,醫學影像數據佔臨床數據的90%,因此,充分挖掘醫學影像信息將對臨床智能診斷、智能決策以及預後起到重要的作用
  • 詳解:智能醫學影像分析的前沿與挑戰 | 雷鋒網公開課
    雷鋒網按:本文整理自雅森科技高級算法研究員楊士霆,在雷鋒網(公眾號:雷鋒網)硬創公開課上的演講,主題為「智能醫學影像分析的前沿與挑戰」。上面提到的四個主要問題,都可以通過深度學習的方式來促進診斷,即將需要治療的地方做明確的辨識,輔助醫師做更有效地診斷,找到病灶。深度學習在醫學影像上的應用
  • 雷軍:AI會取代50%的人 | 人工智慧+醫學影像應用案例分析
    另一方面,目前醫學影像數據大部分仍然需要人工分析,最明顯的缺陷就是不精準,依靠經驗所做的判斷容易造成誤診。人工智慧提高診療效率和準確率人工智慧依靠強大的圖像識別和深度學習技術,在對圖像的檢測效率和精度兩個方面,都可以做得比專業醫生更快,還可以減少人為操作的誤判率。
  • 計算機視覺及智能影像行業深度研究報告
    計算機視覺能極大提升機器的圖像感知能力和認知 能力,因此應用場景十分廣闊,例如在安防影像分析、泛金融身份認證、手機和網際網路娛樂、批發 零售商品識別、工業製造、廣告營銷、自動駕駛、醫療影像分析等領域都具有巨大應用價值。
  • AI+醫療系列之一:智能病理診斷及醫學影像識別系統
    新康界就目前人工智慧+醫療行業的商業模式,未來前景等方面做一系列闡述,今天發布「AI+醫療」第一篇《AI+醫療系列之一:智能病理診斷及醫學影像識別系統》。AI在病理診斷及醫學影像識別領域的應用 AI在病理診斷及醫學影像識別的核心分為兩部分:一是圖像識別,在數據採集環節應用,通過對影像等多媒體醫療非結構化數據的分析,提取出有臨床意義的信息。二是深度學習,在學習和分析環節應用,這是整個AI診斷中最核心的環節。
  • 全球醫學影像專利分析報告,GPS三巨頭的中場戰事
    據統計,目前醫療數據中超過90%來自醫學影像,醫學影像數據已經成為醫生診斷必不可少的「證據」之一。其中包括X射線、CT、MRI、PET、超聲成像、病理圖像等常見影像。近年來,隨著AI技術的高速發展,人工智慧技術在放射影像中的輔助診斷功能越來越豐富。
  • 聯影智能 7 項成果入選醫學影像頂會MICCAI 2019
    作為國際頂級醫學影像會議,MICCAI (International Conference on Medical Image Computing and Computer Assisted Intervention) 的全球影響力與學術權威性不可小覷,歷來是醫學影像計算(MIC)和計算機輔助介入(CAI)領域的風向標。
  • ...鄭冶楓:醫學影像AI為什麼需要小樣本學習和域自適應技術? | CCF...
    在8月9日的醫療科技專場上,騰訊天衍實驗室主任、美國醫學和生物工程學會的會士(AIMBE Fellow)、IEEE醫學影像雜誌副編鄭冶楓博士,分享了小樣本學習和域自適應技術在醫學影像AI問題中的最新研究思路及應用進展。
  • ...大學沈定剛:深度學習不是萬能鑰匙,要與醫生合作尋找需求 | CCF...
    在6月30日下午的計算機視覺專場中,北卡羅萊納大學的沈定剛教授發展了主題為《深度學習在醫學影像分析中的應用(Deep Learning in Medical Image Analysis)》的主題演講。
  • 田捷、沈定剛、張益肇、王熙的醫學影像 AI 觀丨CCF-GAIR 2019
    醫學角色的多樣化,也對醫生提出了更多的要求。他說到,未來的影像科醫生,不僅僅要會看片子,還要從影像大數據中挖掘大量的潛在知識,學會利用人工智慧技術,站在科技潮流的前端,不是懼怕新興的人工智慧技術,而是利用它,使用它,成為新時代下的影像信息學專家。在演講中,他提到了影像組學的特徵提取。
  • 結合影像 AI 技術,構建5G智能影像中心
    各種醫學影像如放射影像、超聲影像、分子與核醫學影像、內鏡影像、病理影像等承載了絕大部分的醫學可視化數據,覆蓋了絕大部分院內臨床科室的業務範疇,是院內-院間遠程智慧醫療的重點應用與落地的板塊。5G智能影像中心網絡建設需求醫學影像中心是遠程影像會診中必不可少的部分。5G+智能影像中心的建設將成為未來主流大中型醫院重點關注的方向。利用5G網絡、人工智慧技術、大數據及雲計算等技術,可實現患者完成超聲、CT、DXR、磁共振等掃查後,圖像數據通過5G網絡傳輸至院內醫療雲,實現醫療影像數據的雲端存儲與跨區域查閱。
  • 清華廖洪恩課題組在人工智慧挖掘影像基因組學領域合作發表系列論文
    上述兩項工作,前一項實現了方法學的創新,採用人工智慧技術學習大量腦幹膠質瘤患者的磁共振影像學特點,深度挖掘其與該基因的關聯;後一項貼近了臨床應用需求,利用機器學習探索影像學與基因的關聯度後建立易於使用的簡易預測模型,幫助醫學界獲得基因學的診斷依據,其方法分析上用到與基因關聯密切的影像學與臨床參數,有助於提高臨床診斷水平。
  • 深度學習下的醫學圖像分析(一)
    近年來,深度學習技術一直都處於科研界的前沿。憑藉深度學習,我們開始對圖像和視頻進行分析,並將其應用於各種各樣的設備,比如自動駕駛汽車、無人駕駛飛機,等等。A Neural Algorithm of  Artistic  Style是一篇最新發表的研究性論文,論文向我們介紹了如何將一種風格和氣質從藝術家身上轉移至一張圖像,並由此創建出另一張新圖像。
  • 「AI+醫學影像」專刊正式上線 | 期刊速遞
    醫學影像人工分析的低效、主觀、重複性低、定量分析困難等固有缺陷,以及影像分析師的巨大缺口,使得醫學影像成為人工智慧(AI)最有價值的應用場景。AI技術的介入,有望從根本上幫助醫生提升醫學影像分析的效率和診斷的準確性,同時也能進一步拓展醫學影像在臨床診療中的應用。
  • 【Nature子刊】科學家開發基於AI的器官分割軟體,助力精準化醫學影像分析
    目前來看,生物科學家和醫生們不得不篩選並分析大量數據,才能回答這些問題。成像技術可以對生物體內部進行詳細的觀察,但是分析這些數據非常耗時,需要大量的經驗與人力。而人工神經網絡的開發為此開闢了新的可能:近日,慕尼黑工業大學(TUM)的一個跨學科研究團隊開發了一種神經網絡自學習算法,可以幫助人們對生物科學圖像數據進行分析,大大提高分析效率以及準確度。
  • 宜遠智能CEO吳博:醫學影像的數據標註、算法方法與算力優化
    ——專用工具+AI輔助標註二、算法篇(31頁PPT)1.關於數據分割比例2.遷移學習3.框架選型:Pytorch、Caffe、TensorFlow、MXnet4.目標檢測用於面部皮膚疾病分析數據脫敏及預處理、皮膚疾病檢測5.目標檢測用於宮頸基液細胞分析
  • 深度學習下的醫學圖像分析(四)
    《深度學習下的醫學圖像分析(三)》的後續文章。對與深度學習相關的醫療保障工作而言,2017年的「Nvidia GTC大會」絕對是一個絕佳的信息來源。在大會上,有諸如Ian GoodFellow和Jeremy Howard的深度學習專家分享了他們對深度學習的見解;還有一些頂級醫學院(例如西奈山醫學院、紐約大學醫學院、麻省綜合醫院等)和Kaggle在大會上介紹他們的建模戰略。
  • 5G為醫學影像傳輸「插上翅膀」,「翼展科技」推出全球化影像雲服務...
    醫療數據中80%都是來源醫學影像,現在一個病人的CT檢查圖像很輕鬆達到幾百兆大小,最先進的薄層掃描CT能夠達到一個患者病例1G大小。但是,如此大容量的影像文件即使在醫院有線網絡上傳輸都會有明顯的延遲;現階段,搭載5G技術,則能實現影像數據的快速傳輸和實時分析,這也為區域影像診斷協同和醫學影像AI帶來了新的發展機遇。