文章图片
文章图片
文章图片
人工智能(AI)正在发展成为医学的一个主要焦点 ， 它正在成为诊断医学成像的关键组成部分 。 它可以应用于超声心动图 ， 以解决图像采集和解释过程中的不一致和观察者间和观察者内部变异的问题 。 与其他模式相比 ， 如计算机断层扫描、核成像、
必须找到减少超声心动图医师之间变异性、提高效率和减少采集时间的方法 。 这就是人工智能可以极大地造福于患者、超声医师和心脏病专家的地方 。 最新的美国超声心动图学会关于进行全面经胸检查的指南建议获取一百张以上张图像 。 让AI协助遵守这些指南以标准化超声心动图的视图和测量将是有益的 。 最早关于机器学习的文章之一是1959年由亚瑟·塞缪尔发表的 ， 他创造了“人工智能”一词 ， 当时他发表了一篇题为“使用跳棋游戏进行机器学习的一些研究”的文章 。
人工智能诞生的60多年里 ， 对该领域的兴趣经历了多次起起落落 ， 但现在人工智能已经出现重大突破 。 从1980年初开始 ， 计算机技术的进步和先进神经网络的创建导致了快速发展在人工智能 。 生物神经网络是神经元的回路；人脑大约有一千亿个神经元 。 人工神经网络是通过识别大量数据的关系来模拟人脑的计算系统 。 “人工智能”是一个广义术语 ， 涵盖任何模仿人类逻辑和智能的计算机程序 。
许多术语用于描述AI中的不同子领域和技术 。 机器学习允许计算机获取输入的数据 ， 从这些数据中学习 ， 预测结果 ， 并提高自己在下次遇到类似数据时如何做出反应的知识 。 超声心动图中一个易于理解的例子是机器识别内部结构的能力图像并准确标记它们 。 在无监督学习中 ， 机器获取未标记的数据集并检测以前未知的模式 。
术语“监督学习”是为算法提供已知或标记的输入以及期望的输出的过程 ， 是当今最常见的机器学习类型 。 该方法使机器能够根据输入机器的标记数据对对象、问题或情况进行分类或预测 。 监督学习的目标是让机器接收新的输入变量并正确预测新的输出变量 。 它可以分析两个心尖超声心动图并产生射血分数的准确值 ， 而无需绘制边界和评估心室容积 。
人工神经网络通常有数百层深 ， 可以从大型数据集中进行自我训练 ， 并对新输入的未知数据进行准确预测 。 他们也有能力从他们的经验中学习 ， 但要求最初的“训练”数据集准确无误 。 没有偏见的训练至关重要 ， 这意味着初始数据不受任何可能使信息模糊的外部影响 。 没有偏见也意味着“训练”数据集足够大 ， 可以包含各种各样的患者 。 对于超声心动图 ， 这样的数据集将包括来自两性的研究以及一系列体重指数、年龄和图像质量 。
【脑机接口|人工智能发展为医学的主要焦点，它正在成为诊断成像的关键组成部分】这对于机器人仅根据图像学习模式是必不可少的 。 人工神经网络的组件与由多层组成的生物神经元的组件松散相关 ， 其中数据被连续处理 ， 直到获得最终输出 。 我们可以在一组标记上训练深度学习算法肥厚型心肌病患者的超声心动图视图 ， 并使用该算法从新图像中预测肥厚型心肌病 。 这是AI的一个例子 ， 因为该系统识别了一个有经验的超声医师可能会识别的模式：看到心脏的胸骨旁长轴视图和怀疑患者可能患有肥厚型心肌病 。
相关经验推荐
- 5G|人工智能和5G被列为2022年及以后最重要的技术趋势
- QQ音乐|拒绝Type-c接口共用，想要3.5mm耳机孔，这三款手机很不错！
- type-c|魔改TYPE-C接口iPhoneX续集，大神给接口加防水，还打算量产！
- 机器学习|?机器学习和人工智能的应用，在心脏病学的许多领域实现了更快的诊断
- USB|网线接口为什么是 RJ45 规格，而不能做成USB型？
- 腾讯|焚烧垃圾用上人工智能了？全年多发3.6亿度电，能省出一座水电站
- 华为|未来，国企会优先使用华为的系统，人工智能也会更多地进入家庭
- 惠普|在医学诊断中，人工智能可以诊断出和专家一样的结果，非常神奇
- var|这次我们看重价格！规格全接口齐，教你如何选高性价比电视
- iphone11|「爱芯元智」获A++轮8亿元融资 ，人工智能芯片行业迎来新动力