设为主页 | 加入收藏

人工智能医疗(五)

近年来,人工智能+”应用于医疗研究已经成为现代科技的热点。人工智能在医学影像识别方面的应用、人工智能在临床医疗智能决策方面的应用、人工智能在医疗智能语音方面的应用、人工智能在互联网+医疗的应用等等方面预示着未来人工智能将在医疗领域发挥重要作用。现在的人工智能尚处于弱人工智能时代,并不具备沟通的功能,现在的人工智能更多地应用在类似图像识别辅助分析这样的不需要与患者进行深入沟通的领域,其他领域的发展仍然需要人工智能技术的继续完善。未来,人工智能将在医疗领域发挥重要作用,将改变医疗手段甚至医疗模式,并将推动医学发展,重塑医疗产业,同时也必将对部分医生的未来产生影响。相信人工智能将给未来医疗技术带来深刻的变化,是未来医学创新和改革的强大动力。

在这一集的文献汇编中,我们专门收集了近两年来有关“人工智能医疗方面的科技文献与资料并汇集成汇编提供给大家,希望对“人工智能医疗有兴趣的朋友和有意愿开发此类技术的朋友起到借鉴与参考作用。由于文献资料较多,我们将分六部分提供给大家。这是第五部分。

 

人工智能医疗(五)

 

91肺结节影像人工智能技术现状与思考

【作者】萧毅  刘士远  

【机构】第二军医大学长征医院影像科 

【文献出处】《肿瘤影像学》 2018年04期

【摘要】我国是肺癌高发国家,面对影像科医师匮乏与患病人数日益增长的医疗需求问题,肺结节人工智能技术的应用有望有效地平衡当前的医疗资源。本文旨在陈述肺结节影像人工智能技术发展的现状,探讨如何正确看待肺结节人工智能技术及其核心要素和目前面临的挑战等问题。指出肺结节人工智能技术已经初见成效,跨学科的深度合作、规范标注的影像大数据训练集及适合临床场景的多任务模型是其未来发展的核心推动力。

 

92人工智能医学影像分析在眼科学领域应用的现状和展望

【作者】陶梦璋 王雨生

【机构】空军军医大学西京医院眼科全军眼科研究所

【文献出处】国际眼科纵览2018, 42(1)

【摘要】人工智能诞生于1956,随着电子设备计算能力的不断增强,各领域数据的大量累积以及新型高效算法的研发,人工智能取得了跨越式的发展.随着各领域的人工智能应用,社会的智能化已成必然趋势.在各国医学科学家的共同努力下,智能医疗也取得了长足发展.在眼科学领域,尤其在糖尿病视网膜病变、年龄相关性黄斑变性和青光眼方面,人工智能医学影像分析也得到了发展和应用.尽管现阶段人工智能的发展应用仍存在一些亟待解决的问题,但相信人工智能的应用会给医疗行业注入新的活力.

 

93卷积神经网络和迁移学习在癌症影像分析中的研究

【作者】余绍德

【机构】中国科学院大学(中国科学院深圳先进技术研究院)

【文献出处】《中国科学院大学(中国科学院深圳先进技术研究院)》 2018年博士论文

【摘要】基于海量的医学影像数据,通过合理的系统设计和参数优化,人工智能辅助诊断系统可以协助医生完成更多的临床决策,降低他们的日常工作压力,减少不必要的侵入式检测,从而能够提升病患的生活质量。更进一步地,人工智能辅助诊断系统能够对恶性肿瘤进行准确的分期,有利于医生给病患做出更合理的治疗规划并实施,从而提升病患的存活率和生存时间。另外,综合回顾性的癌症病例分析,人工智能辅助诊断系统还能够对病患的生存期进行大致预测,用于评估当前的个体化治疗方案,有利于充分发挥有限的医疗卫生资源。在人工智能研究领域,深度学习全面革新了影像重表达和机器学习方式,极大地提升了医学影像的目标识别的准确率。本文在机器学习和特征工程的基础上,增加了深度学习以及迁移卷积神经网络的研究,具体内容包括:1.基于迁移的深层卷积神经网络的肿瘤诊断。深层卷积神经网络具有强大的特征抽象能力,在计算机视觉领域取得了卓越的分类效果,但是它要求有海量的数据样本用于超参数优化,而获取大样本且高质量的医学影像数据非常困难。为提升小样本肿瘤数据的分类性能,我们基于自然影像训练后的深层卷积神经网络模型,采用少量医学样本进行参数优化,并将微调后的深度学习模型进行实验验证。结果表明,迁移的深层卷积神经网络模型能够提升肿瘤诊断的性能,但是大量的待优化参数导致深层卷积神经网络模型的迁移需要花费大量的时间和计算资源。2.基于特征优化选择的肿瘤诊断。采用海量特征来描述可疑病变区域,可以全方位多层次的量化该区域的一些属性,从而提升人工智能辅助诊断系统的预测精度,但是也会导致过拟合。少量特征输入是人工智能辅助诊断系统泛化能力的表现。为降低特征维度,秩和检验被用于特征的显著性排序。基于嵌入式特征选择和可重复性高的分类器,实验发现,人工神经网络和少量的有显著差异的特征能够大幅度提升肿瘤的诊断结果。另外,训练样本数目的增加能够提升人工智能辅助诊断系统的性能。3.基于支持向量机和纹理分析的恶性肿瘤的亚型区分。本章结合不同的纹理特征(灰度共生矩阵、灰度游程矩阵、灰度区大小矩阵和多灰度区大小矩阵)和支持向量机来对两种肿瘤亚型病例进行诊断。实验发现,纹理特征分析能够一定程度上辅助医生的临床决策,但是分类的准确度仍有进一步提升的空间。充分利用医学影像数据,发挥人工智能技术在医学领域的潜力,不仅能够辅助医生的临床决策,为病患提供更准确的治疗方案,从而提升癌症病人的生存质量,延长生存期,而且还能够最优化当前的医疗卫生资源,促进形成和谐的病患关系,最终推动国家医疗卫生事业的大力发展。

 

94智能医学中的安全问题

【作者】刘荣  

【机构】解放军总医院肝胆外二科; 

【文献出处】《中华腔镜外科杂志(电子版)》 2018年01期

【摘要】自人工智能出现以来,人工智能的安全问题就是一个长盛不衰的话题。在推广"智能医学"概念、介绍智能医学发展潜能的时候,经常会听到人们对智能医学安全问题的担忧。究其原因,是因为医疗行为的受众是人,准确地说,是所有的人,每个人都是潜在的患者,而医学行为又直接关乎生老病死这些人生最本质的问题;此外,当人工智能投入医学应用之后,人工智能将在很大程度上取代人类成为医疗行为的主体。因此,智能医学的安全问题必然会

 

95开启人工智能心电分析系统新时代

【作者】卢喜烈  

【机构】中国人民解放军总医院; 

【文献出处】《实用心电学杂志》 2018年01期

【摘要】计算机判读心电图是科学技术发展的需要,人工智能心电诊断是今后出具心电报告的方向。当务之急,我们必须创建中国急需的人工智能心电诊断系统应用于临床医疗、保健、教学和科研工作。人工智能心电诊断系统的广泛应用,将有力地推动心电学的快速发展,提升临床医学的疾病预防、预警、诊断、治疗和预后评估方面的水平。

 

96基于相容性分析的医疗诊断专家系统

【作者】肖鹏  刘娜  季长清  李媛媛  路莹  唐晓君  

【机构】大连工业大学信息科学与工程学院 大连大学物理科学与技术学院 大连交通大学软件学院 

【文献出处】《计算机工程与应用》 2018-01-01

【摘要】医疗诊断专家系统作为人工智能重要应用领域之一,已被广泛应用于医疗诊断和网络医疗咨询等方面。其补充了人类专家的不足,并能有效地解决各种临床问题。然而,现有诊断推理模型在病例推理过程中过于依赖权值设定和医生经验值,诊断结果完全依赖于权值给定质量,并且目前尚未发现较实用的权值设定和自动赋值方法。为了解决权值设定和自动赋值的难题,提出了一种基于属性相容性分析的医疗诊断方法并进行了探讨。利用基于属性的相容性分析对医疗数据进行数字化处理,并根据属性之间的关联度构造属性相关矩阵和对属性进行剪枝处理,避免了无效属性的不必要运算;在相容性分析基础上提出了较为实用的权值设定数学模型;在进行病例相似度计算时,采用群体决策策略来完成诊断。针对所提方法进行了模拟。实验结果表明,该方法能有效解决权值自动设定问题和满足实际应用需求。

 

97人工智能时代的病理组学

【作者】闫雯 李楠楠 张益肇 来茂德 许燕  

【机构】深圳北航新兴产业技术研究院/北京航空航天大学生物与医学工程系/北京航空航天大学软件开发环境国家重点实验室/生物医学工程高精尖创新中心

【文献出处】《临床与实验病理学杂志》2018 第6 |

【摘要】在人工智能时代,计算机辅助的病理诊断为病理学提供了新的发展空间,病理学的研究不再局限于医师人工分析病理切片。在人工智能的辅助下,计算机不但可以实现定量化病理诊断,还可完成疾病预后等病理学的相关研究。该文通过总结近10年来人工智能在病理学中的研究成果,提出病理组学的概念。病理组学的研究内容包括基于人工智能将病理图像转化为高保真度、高通量的可挖掘的数据,并用于定量化病理诊断和疾病预后,最后自动生成病理诊断报告。在人工智能技术的支撑下,病理组学的研究正向着更加自动化更加精准的方向发展,这也有益于充分利用现有医疗资源、节省研究成本、推动医疗发展。

 

98人工智能技术在医学影像中的应用讨论

【作者】萧毅  夏晨  张荣国  刘士远  

【机构】海军军医大学(第二军医大学)长征医院影像科 推想科技先进研究院 

【文献出处】《第二军医大学学报》 2018年08期

【摘要】深度神经网络是新一代人工智能技术,其在自然语言处理、学习能力、计算机视觉上将机器的认知能力推向了新的高度。目前,深度神经网络在医学影像中的应用主要集中在发现异常、量化测量和鉴别诊断3个方面,基于深度神经网络的医学影像研究已涉及放射影像、病理图像、超声影像、内镜影像等多个领域。深度神经网络在一些任务场景中已展现出与医师相当甚至超越医师的表现。在人工智能技术高速发展的大环境下,医师群体应客观冷静地看待技术、科学严谨地评价技术、积极开放地参与技术的提升与应用,成为技术的驾驭者,走向人工智能技术辅助下的医疗服务未来。

 

99医疗大数据搜索系统的建设与应用

【作者】郝梅 谢嵘 王立 黄锋 王天兵  

【机构】北京大学人民医院医学信息中心  北京大学人民医院创伤救治中心 

【文献出处】《医疗卫生装备》2019 第2

【摘要】目的:解决医疗数据多源异构、分布式、碎片化等问题,有效整合分散于医院各独立系统中的数据,更好地为临床科研服务。方法:采用Hadoop分布式的列式数据库、Elastic Search搜索引擎、Spark集群并行计算框架、R语言等开源大数据技术,结合自然语言处理、机器学习等人工智能技术,依据临床科研需求,建立基于临床数据中心的医疗大数据搜索系统。结果:医疗大数据搜索系统已初具规模,该系统的建设解决了数据杂乱、分散的问题,提高了查询效率和利用率,实现了各系统数据的有效整合。在注重保护患者隐私的同时,支持用户对搜索内容的秒级呈现,可满足组合、多级条件查询及常规查询等需求,取得了良好的应用效果。结论:医疗大数据搜索系统在保障数据安全的前提下,为临床科研提供了便捷、有效的数据查询服务,进一步提高了临床科研数据查询效率及科研服务质量。

 

100人工智能在皮肤病诊断中的应用

【作者】谢俊祥  张琳  

【机构】中国医学科学院北京协和医学院医学信息研究所 中国青年政治学院图书馆 中国科学院大学 中国科学院文献情报中心 

【文献出处】《中国医疗器械信息》 2018年17期

【摘要】随着大数据时代的到来,人工智能在图像分类、检测等任务中相对传统识别方法均取得了令人瞩目的突破。2017年,斯坦福大学人工智能皮肤检测系统发布,人工智能在皮肤病诊断系统中的应用开始普遍。文章从人工智能用于皮肤病诊断的原理、方法、现有系统以及存在问题等方面入手,分析皮肤影像计算机辅助诊断的现状以及未来发展空间,以期推进我国皮肤疾病的医疗诊断水平。

 

101人工智能在医学领域的研究进展

【作者】高萌 杨仙鸿 姜祎群 

【机构】中国医学科学院北京协和医学院皮肤病医院病理科

【文献出处】中华皮肤科杂志2019, 52(2)

【摘要】随着技术发展,医疗行业正进入大数据精准医学的新纪元.人工智能可以辅助诊疗过程,减轻医生的数据分析压力.目前,人工智能在医学领域主要应用于图像识别、遗传学和基因组学、智能诊疗、预测预后等方面,其准确性可接近人类专家水平.其中,图像识别的研究最多,包括皮肤图像识别.在非图像识别领域,人工智能在皮肤科的研究较少.未来,人工智能可提高诊疗效率,使医患双方共同获益.

 

102AI辅助看片难在哪?——“IT生存法则”之智慧医疗

【作者】高洪福 

【机构】清华大学

【文献出处】《网络安全和信息化》2018 第11

【摘要】“胡主任,咱们医院同A公司合作的A I(注:人工智能)辅助医疗诊断的项目可能进行不下去了!他们说公司投资方认为项目看不到收益,所以……”又来了,真想揍这帮骗子!想起在人工智能辅助诊断领域的几次合作最后都是这样虎头蛇尾,某三甲医院信息中心的胡主任气就不打一处来,忽悠技术如何领先、公司如何资金雄厚、团队如何高端的是他们,说干不下去的也是他们,别的不说,这么多的高端医疗资源多年的付出就这么不了了之了,实在是罪过呀,如果把这些时间用在研究、诊断、医治病人上,可是会多挽救很多人的生命的!

 

103基于深度学习的人工智能在病理诊断的应用进展与展望

【作者】 张世豪 冼丽英 高敏 陈志晓  

【机构】 广东省东莞市人民医院  广东工业大学计算机学院

【文献出处】《中国医学创新》2018 第25

【摘要】卫生服务需求与医疗卫生资源之间的矛盾使得传统医疗手段和看病模式不能满足社会发展需要。目前,基于深度学习的人工智能已经影响了病理学以及与其相关的行业的工作模式。本文回顾基于深度学习的人工智能在病理学诊断的应用进展,并简要分析这一方面的发展,以期起到抛砖引玉的作用。

 

104人工智能辅助诊断技术在医疗领域的作用与挑战

【作者】祁瑞娟  吕伟通  

【机构】广东省医疗器械质量监督检验所 

【文献出处】《中国医疗器械信息》 2018年16期

【摘要】近年人工智能辅助诊断技术取得系列突破,积极推动智慧医疗是我国"十三五"规划提出的重点任务之一。本文重点分析现阶段人工智能辅助诊断技术的发展现状与市场驱动力,旨在探讨其宝贵价值及存在的问题与挑战。

 

105SMO算法与决策树算法在医疗科技应用中的对比研究

【作者】 李少坤 

【机构】北京市延庆区第一中学

【文献出处】《中国高新科技》2019 第1

【摘要】针对当前医疗科技领域海量、多样的医疗数据而言,SMO算法和决策树算法的应用是最为常见的。文章通过weka计算软件收集并计算数据,将SMO算法和J48算法应用于乳腺癌和心脏病数据分析,通过两方面的比较研究探讨这两种算法的利与弊,为医疗科技的进一步发展提供参考。

 

106互联网+智慧医疗 从治病到治“未病”

【作者】邬贺铨

【机构】 中国工程院 国家标准化专家委员会 京津冀协同发展专家咨询委员会 国家信息化专家咨询委员会 中国互联网协会 国家互联网+专家咨询委员会 中国下一代互联网示范工程专家委员会 国家物联网专家组

【文献出处】《高科技与产业化》2018 第11

【摘要】我们已经身处一个计算无处不在的世界,软件定义一切、网络包容万物、随手连接科技、宽带永无止境。我们也处在一个智慧点亮未来,服务以人为本,精准医疗已经开启的时代。

 

107人工智能辅助医疗的医患关系伦理机制重构研究

【作者】陈默  

【机构】广西师范大学政治与公共管理学院 

【文献出处】《医学与哲学(A)》 2018年09期

【摘要】在综述人工智能辅助医疗现状的基础上,结合当前国内外伦理学家们提出的人工智能辅助医疗过程中可能存在的伦理问题,提出人工智能的道德属性的来源以及如何界定人工智能的主体性等问题。并对医患关系重构性伦理机制建设过程中可能存在的核心问题进行分析。在此基础上得出初步结论:需要以人工智能辅助医疗过程中所构成的现实医患关系为入口来解决问题,涉及到医患关系中的主从与合作关系两个方面的变化,以此作为依据来分析应对新型医患关系类型的伦理机制。

 

108知识图谱研究综述及其在医疗领域的应用

【作者】侯梦薇 卫荣 陆亮 兰欣 蔡宏伟

【机构】西安交通大学第一附属医院网络信息部

【文献出处】《计算机研究与发展》2018 第12

【摘要】随着医疗大数据时代的到来,知识互联受到了广泛的关注.如何从海量的数据中提取有用的医学知识,是医疗大数据分析的关键.知识图谱技术提供了一种从海量文本和图像中抽取结构化知识的手段,知识图谱与大数据技术、深度学习技术相结合,正在成为推动人工智能发展的核心驱动力.知识图谱技术在医疗领域拥有广阔的应用前景,该技术在医疗领域的应用研究将会在解决优质医疗资源供给不足和医疗服务需求持续增加的矛盾中产生重要的作用.目前,针对医学知识图谱的研究还处于探索阶段,现有知识图谱技术在医疗领域普遍存在效率低、限制多、拓展性差等问题.首先针对医疗领域大数据专业性强、结构复杂等特点,对医学知识图谱架构和构建技术进行了全面剖析;其次,分别针对医学知识图谱中知识表示、知识抽取、知识融合和知识推理这4个模块的关键技术和研究进展进行综述,并对这些技术进行实验分析与比较.此外,介绍了医学知识图谱在临床决策支持、医疗智能语义检索、医疗问答等医疗服务中的应用现状.最后对当前研究存在的问题与挑战进行了讨论和分析,并对其发展前景进行了展望.

 

109人工智能在影像学的发展、现状及展望

【作者】 宋彬 黄子星  

【机构】四川大学华西医院放射科 

【文献出处】《中国普外基础与临床杂志》2018 第5

【摘要】医疗数据中有90%来自于医学影像,并且医学影像数据还在逐年增长,然而放射科医生的增长速度和工作效率不足以应对这样的数据增长趋势。今天的放射科医生每天都被大量的影像数据所困扰,面临巨大的压力。影像成像设备和技术的发展也推动了影像学的进步,其进步包括获取更高分辨率图像的能力,使更小的解剖结构和异常可视化。