技術論壇
發文時間 2019/09/19 作者 allen chen
瀏覽次數 2108 留言數量 7 按讚 0
數據分析類 智慧醫療AI診斷影像辨識模型
人工智慧的快速發展,除了常見的機器人應用、雲端伺服器、語音助理、日常生活紀錄APP等等,
國人越來越重視的健康醫療議題也慢慢導入AI的應用,像是智能診療、健康管理、輔助機器人、
智慧給藥和疾病診斷監測等等,其中最受關注的疾病偵測診斷,背後又使用哪些技術,讓我們繼續看下去。
發文時間 2019/09/23 作者 omnixri
按讚 0
目前台灣在智慧醫療發展的不錯,主要原因是高階醫療(醫生、醫材等)人才不易培養,養成時程長,醫病糾紛多,醫生工作過重,所以需要更強大的工具協助,加上台灣醫療數位化的普及率較其它國家高,此時大數據及人工智慧就成了最佳解決方案。
雖然從過往很多新聞已看到人工智慧在部份項目的診斷能力已不輸(甚至超過)有點經驗的醫生,但在法規不允許及技術仍無法完全信任前,目前多半採取輔助醫生的角度來進行,讓醫生或專業醫技人員能節省更多時間及減少誤判機會。現階段在智慧醫療這麼多項目中「醫療影像」算是較多醫院及新創投入的,而處理的影像類型包括一般目視(數位攝影)、傳統顯微鏡切片(染色)、平面X光(口腔、胸腔)、斷層掃描(CT)、核磁共振(MRT)、超音波等影像, 常見的處理項目包括病灶分類、病徵分級、變異細胞偵測、異常部份提取等。
一般要建立特定項目的智能檢測,就像訓練一位醫學院學生。首先要收集足夠的確診病例影像,包括有病及沒病的,有些可能還包含數值或程度(級數)判定資訊,而這些訓練資料再經由專業醫生或醫技人員協助標註,且為避免判定有過多爭議,有時同一份影像可能還要多位醫生標註以便比較。接著再配合數據及算法工程師對這些資料進行清洗及訓練、調整分析模型。最後再以非訓練集資料進行驗證算法及模型。反覆多次達可接受範圍後才能投入臨床協助醫生。
接著舉幾個案例給大家參考一下。
AI病理影像輔助判讀 大PK: 影豹科技/雲象科技/商之器 https://alveice.blogspot.com/2019/04/ai-pk.html
>圖片來源: 自己的AI自己做 影豹AI協助企業橫跨醫療與工業
https://www.digitimes.com.tw/iot/article.asp?cat=158&id=0000552020_1501MGFN1GTYO01U755U5
發文時間 2019/09/23 作者 omnixri
按讚 0
2018年AIGO解題團隊「木刻思」成功協助「童綜合醫院」解決「 肺部結節自動偵測 」,提升醫生100%診斷效率,早期發現癌症。
更多資料可參考 https://aigo.org.tw/ai-plus/competitions/getCompetitionTeamSolutions/23/440
發文時間 2019/09/24 作者 laisan86
按讚 0
以傳統中醫來說,聞切望問這是最基本的診療手法,有的病癥可能因人體質不同,所以不容易表現出來
但是患者不舒服,這是肯定會從望、問兩項容易獲得的!所以現代化醫療引入不少影像處理技術。但實際上,從自然語言對話,也可以得知不少病況描述!
況且,最後針對病患開立診療書,最好是可以跟病患稍微寒暄一下的效果,比起單單像ATM那樣的反應,要更容易被接收吧!?
發文時間 2019/09/25 作者 linda.lin
按讚 0
AI在整個醫療產業中,除了在資料分析領域,
包括醫療影像輔助決策、藥物發現與風險分析應用等可看到具體成果,
像是AI技術支援的互動介面:如語音互動或聊天機器人,將針對老年護理、慢性病管理、醫師助理與線上客服等方向提供市場發展機會。
發文時間 2019/10/22 作者 j;6u045j6
按讚 0
木刻思研究團隊因為一個隨手開發的影像標注工具,而發現了台灣的資料標註平台的市場,在2018年推出一套資料預標註平臺LabelHub,近期也以國外開源的胸腔X光片資料為範本,利用LableHub平臺研發的一個可以辨識八種肺部病徵的影像辨識模型,未來更渴望使用在臨床上,協助醫生診斷。
發文時間 2019/10/31 作者 mileen.tsai
按讚 0
台北榮總從2018年初開始,全院部科95%的檢查報告及影像都已完成整合,同時儲存在部科診間及資訊室雲端,並與台灣人工智慧實驗室(AILabs)合作,建立臨床AI自動判讀轉移性腦瘤系統。2019年也開辦AI門診,電腦只要花30秒,就能從數百張核磁共振影像中找出腫瘤,不僅縮短人工判讀時間,有助醫病深度溝通,準確率更高達95%,有效減輕醫師的負擔,並進一步幫助患者得到最合適的治療。
發文時間 2019/11/05 作者 yinghsuan1217
按讚 0
之前《自然醫學》有一項研究顯示~
研究者們利用大量數字化病理切片圖像
重新訓練了google的深度學習算法Inception V3
AI識別癌組織和正常組織準確率已達到99%
區分腺癌和鱗癌的準確率達到97%
日前在單個數字切片上鎖哈費的時間約20秒!