笔记本电脑排名前十,笔记本电脑品牌排名是什么( 八 )


AI可以帮助医生、护士 , 减少他们的工作量 。人类往往无法长时间处理大量的扫描影像和医疗数据 , 这导致有时候病变会被看漏 , 或者过了很久之后才被发现 , AI正好可以解决这个问题 , 极有希望在不久的将来 , 在医疗领域掀起又一次技术革命 。
肺炎:斯坦福大学的算法诊断肺炎好于医生
去年9月 , 美国国家卫生研究院曾发布一组数据 , 这给斯坦福大学教授吴恩达领导机器学习小组带来了启发 。该组数据包含112,120个胸部X射线图像 , 标有14种不同的可能的诊断 , 以及一些初步的算法 。研究人员要求四名斯坦福放射科医师对420张图像进行注释 , 以查找可能的肺炎迹象 。
在一个星期内 , 斯坦福大学研究人员开发了一种名为CheXnet的算法 , 它能够比以前的算法更准确地发现原始数据集中的14种病理学中的10种 。在经过大约一个月的训练之后 , 研究人员通过康奈尔大学图书馆发表的一篇论文中报告说 , CheXnet比四位斯坦福放射科医师更能准确诊断肺炎 。
在420张X光片上进行测试的ChexNet在灵敏度(正确识别阳性)和特异性(正确识别阴性)方面优于四名放射科医师 。个人放射科医师用橙色X表示 , 他们的平均表现用绿色X表示 , ChexNet用蓝色曲线表示 。
斯坦福大学还创建了胸部X射线的热图 , 颜色代表最可能代表肺炎的图像区域 , 研究人员认为CheXnet可以极大地帮助人类放射科医生的工具 。
AI比医生的标准方法更准确地预测心脏病发作和中风
目前而言 , 评估患者风险的标准方法依赖于美国心脏协会和美国心脏病学会制定的指南 。医生使用这些指导方针 , 重点关注诸如高血压、胆固醇、年龄、吸烟和糖尿病等完善的风险因素 , 为他们的病人制定咨询和治疗方案 。
英国诺丁汉大学的研究人员创建了一个AI系统 , 可以扫描病人的常规医疗数据 , 并预测哪些人在10年内会发生心脏病或中风 。与标准预测方法相比 , AI系统正确预测了355名患者的命运 。
为了使系统做得更好 , 研究人员Stephen Weng及其同事为英国378256名病人测试了几种机器学习工具 。这些记录追踪了2005年至2015年的患者及其健康状况 , 并包含了人口统计 , 医疗状况 , 处方药 , 医院访问 , 实验室结果等信息 。
研究人员将75%的病历记录下来 , 并将其输入到机器学习模型中 , 以找出在10年内发生心脏病或中风的患者的显着特征 。然后Weng的小组测试了另外25%的记录中的模型 , 看他们如何准确地预测心脏病发作和中风 。他们还测试了该部分记录的标准指南 。
如果使用1.0分表示100%的准确性 , 那么标准指导得分0.728 , 机器学习模型的范围从0.745到0.764 , 最好的分数来自一种称为神经网络的机器学习模型 。
虽然机器评分听起来可能不是一个响亮的胜利 , 但当翻译成人类术语时 , 其意义就变得清晰了:神经网络模型预测 , 在7404例实际病例中 , 有4998例患者心脏病发作或中风 , 这超过标准355例方法 。有了这些预测 , 医生可以采取预防措施 , 例如开药降低胆固醇 。
自闭症:AI扫描婴儿脑部以预测自闭症
北卡罗来纳大学教堂山分校的一个研究小组发现了6个月大儿童大脑的变化与自闭症的关系 , 而深度学习算法能够使用数据 , 预测在24个月时自闭症高危儿童是否会被诊断为病症 。

推荐阅读