欢迎访问下口门户网站

英特尔AI医疗实战手册曝光:医生诊断提速10倍,推理时间减少

时间: 2019-11-12 18:54:22

甘明·李根源自奥菲神庙

量子位报告

人工智能正在改变(中国)医疗保健。

最近,一份实战手册刚刚被公开,清楚地概述了人工智能是如何重塑医疗行业的方方面面的。

此外,本手册不仅展示了趋势分析和技术规划,还展示了许多案例,是实战后的综合总结。

该报告的作者英特尔,这个提供最基本但涵盖整个过程的人工智能计算巨头,可以说是人工智能医学的第一个权威“剑谱”。

那么,什么是“剑谱”?如何练习?我们详细地分解它。

要练习这项技能,首先要看趋势。

在人工智能登陆趋势中,医疗已经成为最大的应用场景。

根据中国信息与通信研究所Gartner 2018年9月联合发布的《2018年世界人工智能产业蓝皮书》,中国医疗卫生领域人工智能渗透率达到22%,是所有垂直行业中渗透率最高的。

远远领先于第二名的是金融,渗透率为14%,而登陆前最具竞争力的保安ai目前仅排名第五。

尽管如此,整个人工智能医疗行业已经形成了数百亿美元的市场规模,相应的投资也在快速增长。

根据前瞻性行业研究所发布的中国医疗人工智能行业市场前景预测和投资战略规划分析报告,2017年中国医疗人工智能行业市场规模将达到136.5亿元,增长率为41%。到2018年,这个数字将超过200亿元,达到210亿元左右。

此外,这一趋势并非中国独有。医学领域的人工智能登陆也在世界范围内发展迅速。

根据全球市场观察(global market insight)发布的一份报告,2019年至2025年间,医疗保健人工智能市场规模的复合年增长率预计将达到41.7%。

这些数字背后不仅是人工智能技术的进一步发展,也是医疗市场本身的迫切需求和相关政策的支持。

在实际着陆场景中,人工智能可以说被广泛应用,在许多方面发挥着关键作用,从医学成像、辅助诊断、疾病预测到健康管理、药物研发等。

然而,在不同层次的医疗机构中,人工智能的应用也有所不同,并将呈现出更加多样化的趋势。

在初级医院或第三方体检中心,辅助筛查和辅助诊断是主要方法。

在三级医院等医疗机构,医生的工作效率主要提高。

在健康管理方面,主要方向将是支持单位和个人支付的健康检查费用。

然而,在药物研发领域,人工智能的应用要深得多,通常需要人工智能技术公司与大型制药公司和药物研究机构合作来推广。

当然,人工智能应用于医学领域仍有许多问题需要解决,如数据的数量和质量、模型的通用性和可解释性以及相应的安全问题。

然而,人工智能医疗的大趋势已经势不可挡。

还有一些“先富起来”的实践者,他们在摸索了各种办法之后,已经走上了黄沙和一百场战争的道路。他们可以总结、参考甚至学习重复雕刻。

此外,英特尔关于实战的报告详细披露了人工智能的医疗登陆技能是如何伪造的,西门子、东软、解放军总医院等多位专家纷纷发表“评论”。

因此,这是什么样的实战报告?我们会小心地拆开它。

人工智能医疗的五种特技

整本手册介绍了人工智能在医学领域的五大应用,包括疾病检测、疾病分析和研究、药物研发等?整个过程的各个方面。

具体来说,就是这五种独特的技能。

独特技能1:图像分割用于检查疾病状况,人工智能推理用于辅助诊断。

顾名思义,图像分割就是将图像分割成多个区域,以简化或改变图像的表示,从而使图像更易于解释和分析。

目前,图像分割技术已经应用于肿瘤等病理定位、组织体积测量、解剖学研究、计算机辅助手术、治疗方案制定、临床辅助诊断等子分割领域。

图像分割的实现也不难理解——图像被图像中的自然边界(如物体轮廓、线条等)分成多个区域。

在计算机中,对图像中的每个像素进行标记,具有相同标记的像素被认为具有一些共同的视觉特征,从而实现分割。

传统方法基于聚类、阈值、边缘、区域等特征。然而,随着人工智能技术的发展,基于深度学习的方法取得了突出的成果,超越了人类,成为应用最广泛的方法。

其中,全卷积网络(fcn)、u网和v网是常用的基于深度学习的图像分割方法。

但是在医学领域,u-net是使用最广泛的。要分割的图像有其独特性。在大多数情况下,它是对指定器官的成像,而不是对整个身体的成像。

器官本身的结构相对固定,语义信息也不是特别丰富。

因此,高级语义信息和低级特征非常重要,在这种场景中,u-net的U形结构和跳转连接可以发挥更大的作用。

近年来,u-net在医学图像分割中的良好应用效果已经在许多部署中得到充分证明。

一个好的图像分割模型可以有效地帮助医疗机构提高医学图像解释的效率,从而增强临床诊疗能力,提高疾病治愈率,减少患者等待时间,弥补医疗机构成像资源不足带来的各种问题。

然而,医学领域的图像分割要求更高的时效性。

正常情况下,病人的黄金门诊窗口通常只有几分钟。因此,如果图像分割人工智能应用的推理效率不够高,宝贵的救援时间可能会被延迟。

这决定了我们要将图像分割应用于真实的医学场景。一方面,需要根据不同的图像分割类型对模型进行优化;另一方面,我们需要强大稳定的计算能力来完成推理。

如何进一步着陆?英特尔提供了openvinotm工具包和至强处理器系列产品等工具,可将推理时间大幅缩短85%,同时确保u-net模型的高精度。

报告中不仅给出了具体的应用方法,还公布了许多已经登陆的案例,如东软的雌酮溶栓栓子切除成像平台、西门子的心腔检测与量化模型等。

(更多详细信息,请参考本文末尾的报告。)

独特技能2:人工智能云,部署更强大的医学图像分析应用

随着医疗系统的现代化,医疗设备逐渐普及。即使在初级医疗机构,患者也可以进行各种医学影像检查。

虽然医疗成像设备和系统可以很快到位,但“软实力”不可能一夜之间实现,这导致一些偏远地区或基层医疗机构经常面临设备空置但没有人有能力“看电影”的尴尬局面。

也有许多人提供了解决方案,例如通过拍照和扫描将图像文件发送到更高级别的医疗机构。然而,信息传递的准确性和及时性不能得到保证,从而导致疾病的延误或误判。

云计算技术的快速发展逐渐解决了这些问题。

通过访问云服务,各级医疗机构可以获得跨终端和跨平台的完整医疗技术应用。

基于云计算的图像协作平台使大中型医疗机构的医学影像专家能够随时随地处理来自不同地区的图像数据,并对疑难复杂疾病进行协作会诊,从而实现医疗资源的高效共享。

此外,云计算和大数据技术的互联不仅使医疗机构避免了过度检查和重复治疗等问题,而且有效打破了数据孤岛现象,建立了无边界医疗服务的全面连接,提高了医疗服务质量。

同时,它还加强了图像数据的积累和分析,使得基于人工智能的医学图像分析应用日益成熟。在人工智能的支持下,过去需要10分钟筛查的肺癌预诊断可以达到二级水平,准确率在95%以上。

目前,在医学图像的人工智能分析应用中,目标检测神经网络得到了广泛的应用,它可以通过深度学习的方法高效、准确地检测出x光片、ct图像等医学图像中的病变。

典型的目标检测神经网络包括r-cnn、快速r-cnn、spp-net、r-fcn等。R-fcn是近年来医学图像分析领域常用的目标检测神经网络模型。其典型结构如下图所示:

关键在于如何更好地结合云人工智能,实现无缝协作和更强大的人工智能疾病分析,还需要优化和升级主流人工智能框架。

在实战手册中,结合了Xi安应谷云idt智能应用、医学图像处理和分析云@图像核心引擎等。“ai cloud”智能辅助诊断系统能力已经在肺结节诊断等大量关键场景中建立。

(更多详细信息,请参考本文末尾的报告。)

独特技能3:病理切片分析,使治疗更加准确和快速

为了更好地进行病理诊断和预后评估,病理切片是一项非常复杂和具有挑战性的工作。

具体实施方法是将一些病理组织或器官经过一系列处理后形成微米级切片,贴在载玻片上进行染色处理,然后交给病理科,病理科显微镜通过显微镜检查病理切片,观察病理变化。

为了做出准确的诊断,需要多年的电影阅读经验,积累成千上万的切片和丰富的专业知识。

此外,人工检查不可避免地是主观的,不同病理学家对同一患者的病理切片的诊断往往不同,这可能导致误诊和漏诊。

同时,在实际的病理切片检查中,在以40倍的放大率数字化患者的病理切片之后,单个病理切片的像素点可能超过一百万像素。

病理学家需要连续观察多个百万像素的图像,并注意图像中微观区域的异常,这不仅耗时费力,而且容易出错和泄漏。

此外,更长的阅读时间也会导致患者等待时间更长,这可能会导致他们病情的延迟。

当然,这可以用人工智能。

例如,通过resnet50网络进行的深入学习模型训练可用于识别肿瘤病理组织。

尽管在获得的肿瘤预测热图中仍然存在噪声和其他问题,但是已经可以像病理学家一样检查不同放大率的病理切片图像。

培养一个深度网络模型并不是不可能的,这样它不仅可以有专业的检测技术,还可以有超快的检测速度和无限的工作时间。

利用深度学习的方法对病理切片图像进行快速检测,不仅可以大大提高医疗机构病理检查的生产率,消除专业病理学家短缺带来的一系列问题,而且可以给患者带来更加准确及时的治疗方案。

目前,基于图像分类和目标检测的病理切片检测人工智能应用已经在许多医疗机构得到了应用,并收到了良好的反馈。

(更多详细信息,请参考本文末尾的报告。)

独特技能4:加快药物研发,从几年到几个月

在全球医学人工智能市场中,药物研发占据很大份额。根据全球市场观察的统计,这个数字已经达到35%。

此外,在这一领域接受新技术最快。

目前,基于细胞图像的高含量筛选(hcs)方法是系统生物学和药物研发领域常用的自动化分析方法之一,也是人工智能技术在药物发现早期的重要应用。

主要工作流程是通过显微成像方法获得的图像信息,分析和获得遗传或化学处理诱导的细胞表型特征。

在这个过程中,细胞图像的表型检测、分析和分类是最重要的环节。

尽管这些技术已成功应用于大量药物研发过程,但它们仍有许多局限性。

例如,对于对象分割、降维和表型分类,通常需要大量的先验知识来定制每个测量过程。每个步骤的执行都涉及方法的定制和参数的调整。

在整个分析过程的性能优化过程中,如何共同优化所有参数来实现性能优化。

因此,越来越多基于深度学习的人工智能方法被逐渐引入到基于细胞图像的hcs表型分类中。

在深度神经网络中,通过一个框架计算和分析图像数据的分层抽象。cnn能够自动地从图像中学习和提取特征,因此在细胞图像的表型预测中具有更好的效率。

新药的发现、测试和生产需要几年时间,但是基于人工智能,周期可以缩短到几个月。

这不仅是许多制药企业加快创新、保持核心竞争力的共同选择,也是科技造福人类、帮助创造健康生活的重要体现。

英特尔也在报告中提供了相应的解决方案。例如,通过合理优化,诺华等制药公司的药物发现过程大大加快。

(更多详细信息,请参考本文末尾的报告。)

独特技能5:图像识别落地医疗正成为行业智能化转型的关键

医疗行业的智能化转型不仅在于人工智能在诊断或新药研发中的应用,还在于整个行业的重塑。

目前,越来越多的医疗机构正在建立标准化的信息系统,以建立更智能的医疗信息能力,实现患者与医务人员、医疗机构和医疗设备之间的高效互动。

在这种趋势下,高效的识别技术非常重要。

正常情况下,医疗机构使用条形码识别、光学字符识别(ocr)识别、软件识别等技术来执行患者身份、药品配送等工作。

随着人工智能技术的逐步发展,越来越多的医疗机构开始尝试使用机器学习和深度学习等人工智能方法。

与传统的图像识别技术相比,基于深度学习的图像识别技术具有更高的准确性和工作效率,也更有利于形成良好的更新机制。

它基于图像特征进行识别,并且可以一次获取多种类型和数量的图像用于特征识别。

同时,还可以实现对患者身份的实时识别,使药品配送更加准确,使体检过程无缝化。

此外,提高了整个系统的识别效率和准确性,提高了医疗机构的工作效率。

解放军总医院现在正试图利用信息技术来帮助减少药品配送中的错误。

有三个步骤:

首先,利用计算机视觉技术在门诊药品配送窗口中识别药品的分类和数量。

其次,识别系统和他的系统的处方数据自动关联匹配,通过信息比较判断实际要发放的药品是否与处方信息一致。

最后,将结果实时反馈给药剂师,以降低药物输送的出错率。

该实现方法虽然不难,但相当有效,具有良好的应用前景。

未来,类似的人工智能技术不仅可以应用于药房配药等场景,还可以在其他医疗场景中发挥巨大作用,如人工耗材配送管理、患者医疗信息管理等。

(更多详细信息,请参考本文末尾的报告。)

计算力量是内功,工具是脑力。

以上所有的应用都已经在工业上实现,并且发电已经显示出巨大的能量。

然而,仅仅看一下应用程序,它只是“在家外功夫”,并没有强大的“内力”支持。虽然这些动作模型很好,但毕竟很难有力量。

对于人工智能应用,计算力是一种内功。

所有上述应用程序都可以在各种场景中着陆,这需要计算和祝福。

本报告中介绍的案例均基于英特尔至强金牌6148处理器平台。

该处理器于2017年问世,专注于人工智能过程和数据处理等应用。

发布时,在内核、缓存、内存、i/o等诸多优化的帮助下,浮点性能在每个时钟周期内提高了两倍,8k块的压缩速度达到100gb/s,创下58项世界记录。

在上述情况下,至强6148金牌是各种组织将人工智能医疗带到地面的法宝。

此外,在第二代至强可扩展处理平台上,特别是在添加了深度学习加速技术和奥腾数据中心级持久内存的情况下,性能也更好。

同时,英特尔不仅提供计算能力,还释放了计算能力的“心智方法”,即软件架构。

例如,英特尔全路径架构、针对英特尔架构优化的caffe、深度学习加速技术、openvinotm工具包等产品和技术。

它是软硬件结合,剑术和气功相结合,携手帮助人工智能和各个领域的医学英雄加速成为实战登陆大师。

毫无疑问,人工智能的登陆是一场可以测试其能力的全面战争。没有一个方面能够脱颖而出并取得成功。

硬件类似于武器和剑,重点是手的实际使用。大规模复制也应该考虑成本。这个软件就像一种气体方法。协调得很好。入境门槛足以对人们友好。未来的发展仍然广阔。

结论

总之,计算巨头英特尔的实战报告就像是一套年底的“开源”剑谱。

通过场景、案例和实战方法,我们可以看到其他人可以根据自己的情况和比较,探索经验,找到自己的再雕刻之路。

此外,环境是有利的,总的趋势是有利的。软件和硬件支持能力已经到位。风口发出微弱的噪音。落地可以在更广的范围内实现价值创造。

事实上,从完整报告的总结来看,人工智能正在重塑医疗行业,并已进入白热化阶段,登陆也在加速。

如果你也是一个人工智能的"武术人"或者一个渴望改变医学领域的人,这份报告和这一剑谱是不容错过的。

最后,我们附加了一个门户,希望人工智能的发展能加速并惠及更多人:

添加量子位小助手(qbitbot11)微信,我们会拉你进群,报

甘肃十一选五开奖结果 湖北十一选五 新疆十一选五投注 上海快三开奖结果 快三

(责任编辑:匿名)

名企聚焦

艺术先锋

推荐文章

高产南美白对虾应该怎么养殖?池塘地如何选择?
高产南美白对虾应该怎么养殖?池塘地如何选择? 在中方县刺葡萄主产区桐木葡萄沟,随处可见电商工作人员在田间山头穿梭忙碌的身影,积极打通服务群众最后一公里。目前,中方县电商企业已有农村淘宝、雪峰源、十八道农特等20多家,农村电商服务站达167家,形成了县、乡、村三级全覆盖的电商运营体系,实现农产品上行销售2.3亿元,帮助2000余户贫困群众增收近600万元。中方县也成功获批“全国电子商务进农村综合示范县”。

© Copyright 2018-2019 namathej.com 下口门户网站 Inc. All Rights Reserved.