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上學習到的知識遷移到另一個新任務上，作為其起點繼續(xù)對新任務進行學習。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�；基于特征的遷移學習，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)絡安全技術(shù)與應用. 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