2017年以來,中國、美國和歐盟先后發(fā)布了國家級人工智能（AI）戰(zhàn)略發(fā)展規(guī)劃,人類歷史即將迎來以"智能化"為主旋律的第四次工業(yè)革命。在醫(yī)療檢驗領(lǐng)域,人工智能的理論和技術(shù)爆發(fā)也將為醫(yī)學檢驗理論、方法與應(yīng)用的發(fā)展提供新方向,本文首先從人工智能的理論與實踐基礎(chǔ)出發(fā),介紹人工智能的發(fā)展歷程以及算法、數(shù)據(jù)和算力三大要素的前沿進展,進而結(jié)合醫(yī)學檢驗的關(guān)鍵應(yīng)用維度,闡述"AI+檢驗"的結(jié)合創(chuàng)新,包括涉及檢驗標本處理的標本采集機器人、樣本稀釋機器人和樣本傳送機器人;檢驗項目挖掘如腫瘤標志物和藥物基因組學;檢驗細胞形態(tài)學、檢驗數(shù)據(jù)處理、輔助診斷模型和互聯(lián)網(wǎng)醫(yī)學檢驗等。隨著工業(yè)4.0時代的到來,人工智能技術(shù)必將推動醫(yī)學檢驗從自動化發(fā)展到更高階的智能化階段。 

【文章來源】：南方醫(yī)科大學學報. 2020年02期 第287-297頁 北大核心

【文章頁數(shù)】：11 頁

【部分圖文】：

遷移學習概念圖

1.3.2 深度學習深度學習是機器學習的一個分支，深度學習用無監(jiān)督式或半監(jiān)督式的特征學習和分層特征提取高效算法來替代傳統(tǒng)特征提取算法[9]。深度學習引入了感知器這一概念并且將神經(jīng)元視作一個功能邏輯器，同時將神經(jīng)元活動簡化為了3個過程：輸入信號線性加權(quán)，求和，非線性激活。神經(jīng)元構(gòu)成的神經(jīng)網(wǎng)絡(luò)由3部分組成：輸入層，隱藏層，輸出層，3者均由權(quán)值連接，輸入層接收外界信息，隱藏層和輸出層的神經(jīng)元對信息進行函數(shù)處理，最后神經(jīng)網(wǎng)絡(luò)模擬人類大腦做出決策[10]。深度學習依賴數(shù)據(jù)來提升算法準確率，數(shù)據(jù)集質(zhì)量越高，深度學習對特征的學習效果就越好，深度學習概念如圖2所示。

深度學習和強化學習任務(wù)均從零知識開始，這意味著模型的結(jié)構(gòu)和參數(shù)開始是隨機猜測的。除此之外，實現(xiàn)機器學習需要大量標注好的高質(zhì)量數(shù)據(jù)以及強大的計算資源和算力基礎(chǔ)。因此學者們考慮對已有大數(shù)據(jù)集進行最大程度的開發(fā)，于是遷移學習誕生了。遷移學習也是實現(xiàn)機器學習的一種手段，遷移學習可以理解為將計算機在一個任務(wù)上學習到的知識遷移到另一個新任務(wù)上，作為其起點繼續(xù)對新任務(wù)進行學習。遷移學習包括基于實例的遷移學習，其特點為源域?qū)嵗愃颇繕擞驅(qū)嵗换谔卣鞯倪w移學習，其特點為源域特征與目標域特征有重疊；以及在訓練階段共享一部分參數(shù)或者先驗分布的基于共享參數(shù)的遷移學習[13]，遷移學習概念如圖3所示。圖3 遷移學習概念圖

【參考文獻】：
期刊論文
[1]大數(shù)據(jù)背景下高校臨床檢驗診斷學教學思考[J]. 田剛,何鵬,宋敏,朱喜丹,劉靳波.  現(xiàn)代醫(yī)藥衛(wèi)生. 2019(13)
[2]臨床疾病診斷字典庫的應(yīng)用研究[J]. 柯莉,林偉研,劉養(yǎng)奇,林志豐,歐偉麟,潘苑怡,徐曉明,王瓊.  中國數(shù)字醫(yī)學. 2019(06)
[3]基于YOLO模型的宮頸細胞簇團智能識別方法[J]. 鄭欣,田博,李晶晶.  液晶與顯示. 2018(11)
[4]一種大數(shù)據(jù)環(huán)境下醫(yī)療隱私保護方案設(shè)計與實現(xiàn)[J]. 胡榮磊,何艷瓊,曾萍,范曉紅.  信息網(wǎng)絡(luò)安全. 2018(09)
[5]人工智能與醫(yī)學——發(fā)展歷程[J]. 壽君妮,于觀貞,余黨會,李冠南.  第二軍醫(yī)大學學報. 2018(08)
[6]基于改進Hessian矩陣的冠脈造影圖像增強算法研究[J]. 陳楷豐.  網(wǎng)絡(luò)安全技術(shù)與應(yīng)用. 2018(07)
[7]人工智能、大數(shù)據(jù)和算力的融合發(fā)展[J]. 王珺.  科技經(jīng)濟導刊. 2018(16)
[8]人工智能的三次發(fā)展高潮[J].   機床與液壓. 2018(08)
[9]5G綜述及中國的進展（英文）[J]. Shan-zhi CHEN,Shao-li KANG.  Frontiers of Information Technology & Electronic Engineering. 2018(03)
[10]基于卷積神經(jīng)網(wǎng)絡(luò)的外周血白細胞分類[J]. 陳暢,程少杰,李衛(wèi)濱,陳敏.  中國生物醫(yī)學工程學報. 2018(01)

碩士論文
[1]基于卷積神經(jīng)網(wǎng)絡(luò)的體液細胞圖像有形成分的特征識別方法研究[D]. 蔡立章.湘潭大學 2017
[2]白帶顯微圖像中有型成分的智能識別技術(shù)研究[D]. 胡靜蓉.電子科技大學 2017



本文編號：2895170