人工智能时代,传统处理器已无法满足企业对人工智能产品快速推理的需求,为了让人工智能的应用更便携、更快速,英特尔对处理器都做了什么?
2020年,肺部CT等图像频繁出现在大众视野中,医生诊断一位患者就需仔细观察超过300幅CT影像。往日里医生或许可以慢慢看,但在疫情之下,这样的速度完全不够。如果医生诊疗流程简化为问诊、检查、看报告、判断、给出治疗方案五个环节,一个会看CT、能快速做判断且不会疲倦的人工智能就能在第三环节节省大量时间。那么人工智能如何辅助医生看病并分辨出图像中的异样呢?
像人类识图一样,可以给机器输入大量的图片并提取图片特征。但是机器没脑子,这又该怎么办呢?
其实可以给机器搭一个人工神经网络,就像简化后平面化的人脑神经网络,在最左边的输入层输入训练图像,激活中间一层层设好参数的人工神经网络,在最右边输出层输出结果。
机器学习图像的本质是学数值的特征,可是一个一个学的话运算量太大,尤其遇到超高清图片。因此为了提取特征也减少运算,卷积核得以利用。
利用卷积核可以一个区域一个区域的扫,将每个对应的数字相乘再求和,就提取了区域数字特征,数据再经过"池化"环节,即提取区域内最大值,将特征数据量再浓缩、展平输入全神经网络,这样就可以减少运算量。
卷积核的大小、步调、卷积层的数量等都可预先调节,机器输出的数值会和对目标结果预设的数值作比对,如果符合预期即为成功。否则就会通过一系列运算反向调节各环节参数,再次重复运算,直到符合预期,这就是机器自主学习的原理。
因此,人工智能看病需要准备大量肺部CT影像,找专业医生对病灶进行精准标注,然后输入神经网络进行训练,就可得到一个几秒内快速识别肺部CT影像的卷积神经网络。
伴随神经医学、颈椎病征识别、DNA检测和癌症识别等各种场景应用,人工智能正深度重构整个医疗行业。相信不久以后,人工智能可以在医疗中发挥更大的作用,也会在各个领域给与我们方便!
#人工智能##神经医学##黑科技##DNA检测##科技曼曼谈#
页面更新:2024-03-04
本站资料均由网友自行发布提供,仅用于学习交流。如有版权问题,请与我联系,QQ:4156828
© CopyRight 2020-2024 All Rights Reserved. Powered By 71396.com 闽ICP备11008920号-4
闽公网安备35020302034903号