在线观看www成人影院-在线观看www日本免费网站-在线观看www视频-在线观看操-欧美18在线-欧美1级

0
  • 聊天消息
  • 系統(tǒng)消息
  • 評(píng)論與回復(fù)
登錄后你可以
  • 下載海量資料
  • 學(xué)習(xí)在線課程
  • 觀看技術(shù)視頻
  • 寫文章/發(fā)帖/加入社區(qū)
會(huì)員中心
創(chuàng)作中心

完善資料讓更多小伙伴認(rèn)識(shí)你,還能領(lǐng)取20積分哦,立即完善>

3天內(nèi)不再提示

在深度學(xué)習(xí)可以更廣泛地應(yīng)用之前,必須解決重大挑戰(zhàn)

倩倩 ? 來源:新經(jīng)網(wǎng) ? 2020-04-23 09:25 ? 次閱讀

深度學(xué)習(xí)AI的重要元素,可幫助推進(jìn)診斷和治療,但它仍然是一個(gè)相對(duì)未知的領(lǐng)域。

該技術(shù)的第一作者Fei Wang博士和紐約Weill Cornell Medicine的同事在《JAMA Internal Medicine》上寫道,迄今為止,該技術(shù)最成功的應(yīng)用是醫(yī)學(xué)成像。人工智能技術(shù)的其他應(yīng)用領(lǐng)域非常廣泛,但是科學(xué)家仍然面臨著巨大的障礙。

Wang和合著者說:“深度學(xué)習(xí)有可能解開圖像中復(fù)雜的,微妙的區(qū)分模式,這表明這些技術(shù)可能在醫(yī)學(xué)的其他領(lǐng)域有用。” “但是,在深度學(xué)習(xí)可以更廣泛地應(yīng)用之前,必須解決重大挑戰(zhàn)。”

Wang和他的團(tuán)隊(duì)認(rèn)為,這些是其中五個(gè)挑戰(zhàn):

1.我們可能沒有足夠的數(shù)據(jù)

Wang等人在深度學(xué)習(xí)模型中分別使用128,175張視網(wǎng)膜圖像和129,450張皮膚圖像來對(duì)糖尿病性視網(wǎng)膜病變和皮膚癌進(jìn)行分類。寫道。“模型的復(fù)雜性由問題的復(fù)雜性決定”,這意味著更復(fù)雜或異構(gòu)的疾病可能需要大量我們尚未掌握的可靠數(shù)據(jù)。深度學(xué)習(xí)模型可能需要數(shù)以千萬計(jì)的樣本才能為慢性心臟病或腎衰竭創(chuàng)建合適的診斷模型。

作者寫道:“模型很復(fù)雜,設(shè)計(jì)其最佳架構(gòu)可能很困難。”

電子健康記錄中確保數(shù)據(jù)的質(zhì)量也很困難,其中包含“高度異類,有時(shí)不一致”的患者信息,這可能會(huì)妨礙AI算法的準(zhǔn)確性。

2. AI模型產(chǎn)生結(jié)果,但沒有解釋

Wang和合著者說,典型的皮膚科醫(yī)生對(duì)黑色素瘤的檢測(cè)將評(píng)估一系列主要和次要標(biāo)準(zhǔn)的圖像,從而為診斷提供依據(jù)。接受過培訓(xùn)的深度學(xué)習(xí)模型可以做到這一點(diǎn),例如“該患者患有黑色素瘤的可能性為0.8”,但仍然難以為他們的結(jié)論提供清晰的解釋。

這組作者說,正在影像領(lǐng)域做出一些努力來改善這個(gè)問題,但是他們承認(rèn)“一種僅表示診斷的深度學(xué)習(xí)模型可能會(huì)受到懷疑。”

3.創(chuàng)建通用模型很困難

該團(tuán)隊(duì)說,模型的偏見和互操作性使得很難設(shè)計(jì)可擴(kuò)展到其他人群,國家或系統(tǒng)的深度學(xué)習(xí)模型。如果主要對(duì)白人患者的數(shù)據(jù)進(jìn)行訓(xùn)練,那么該模型將難以為少數(shù)群體提供準(zhǔn)確的預(yù)測(cè)。同樣,在亞洲接受培訓(xùn)的模型在歐洲可能做得不好。

EHR的可變性也帶來了一個(gè)問題,因?yàn)槭褂貌煌珽HR的兩個(gè)衛(wèi)生系統(tǒng)可能無法使用相同的AI算法。

4.我們需要更好的人工智能來開發(fā)更好的數(shù)據(jù)

Wang等人說:“由于深度學(xué)習(xí)模型適合數(shù)據(jù),但對(duì)它們的處理過程卻知之甚少,因此可靠,高質(zhì)量的輸入很重要。” 寫道。“創(chuàng)建提高數(shù)據(jù)收集過程質(zhì)量的工具也很重要,例如糾錯(cuò),有關(guān)數(shù)據(jù)丟失的警告和差異的調(diào)和。”

作者提到了《 IBM Watson Imaging臨床評(píng)論》,該評(píng)論分析了臨床成像報(bào)告中的結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù),并將其與EHR中記錄的診斷進(jìn)行比較,以識(shí)別任何報(bào)告差異。

5.深度學(xué)習(xí)需要更多規(guī)范

Wang和同事寫道,隨著AI,機(jī)器學(xué)習(xí)和深度學(xué)習(xí)在醫(yī)學(xué)領(lǐng)域的普及,這些技術(shù)越來越受到計(jì)算機(jī)黑客的歡迎。盡管一些社會(huì)正在聯(lián)合起來提供有關(guān)AI倫理學(xué)的指導(dǎo),但作者說科學(xué)家可能需要更嚴(yán)格的法規(guī)以確保模型安全。

他們寫道:“現(xiàn)有法規(guī)側(cè)重于醫(yī)療數(shù)據(jù)的隱私,而新法規(guī)也應(yīng)保護(hù)分析模型。”

聲明:本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點(diǎn)僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場。文章及其配圖僅供工程師學(xué)習(xí)之用,如有內(nèi)容侵權(quán)或者其他違規(guī)問題,請(qǐng)聯(lián)系本站處理。 舉報(bào)投訴
  • 人工智能
    +關(guān)注

    關(guān)注

    1791

    文章

    47294

    瀏覽量

    238578
  • 深度學(xué)習(xí)
    +關(guān)注

    關(guān)注

    73

    文章

    5503

    瀏覽量

    121181
收藏 人收藏

    評(píng)論

    相關(guān)推薦

    GPU深度學(xué)習(xí)中的應(yīng)用 GPUs圖形設(shè)計(jì)中的作用

    隨著人工智能技術(shù)的飛速發(fā)展,深度學(xué)習(xí)作為其核心部分,已經(jīng)成為推動(dòng)技術(shù)進(jìn)步的重要力量。GPU(圖形處理單元)深度學(xué)習(xí)中扮演著至關(guān)重要的角色,
    的頭像 發(fā)表于 11-19 10:55 ?523次閱讀

    深度學(xué)習(xí)中RNN的優(yōu)勢(shì)與挑戰(zhàn)

    循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)是深度學(xué)習(xí)領(lǐng)域中處理序列數(shù)據(jù)的基石。它們通過每個(gè)時(shí)間步長上循環(huán)傳遞信息,使得網(wǎng)絡(luò)能夠捕捉時(shí)間序列數(shù)據(jù)中的長期依賴關(guān)系。然而,盡管RNN某些任務(wù)上表現(xiàn)出色,它們
    的頭像 發(fā)表于 11-15 09:55 ?416次閱讀

    NPU深度學(xué)習(xí)中的應(yīng)用

    設(shè)計(jì)的硬件加速器,它在深度學(xué)習(xí)中的應(yīng)用日益廣泛。 1. NPU的基本概念 NPU是一種專門針對(duì)深度學(xué)習(xí)算法優(yōu)化的處理器,它與傳統(tǒng)的CPU和G
    的頭像 發(fā)表于 11-14 15:17 ?598次閱讀

    GPU深度學(xué)習(xí)應(yīng)用案例

    能力,可以顯著提高圖像識(shí)別模型的訓(xùn)練速度和準(zhǔn)確性。例如,人臉識(shí)別、自動(dòng)駕駛等領(lǐng)域,GPU被廣泛應(yīng)用于加速深度學(xué)習(xí)模型的訓(xùn)練和推理過程。 二
    的頭像 發(fā)表于 10-27 11:13 ?398次閱讀

    FPGA做深度學(xué)習(xí)能走多遠(yuǎn)?

    的發(fā)展前景較為廣闊,但也面臨一些挑戰(zhàn)。以下是一些關(guān)于 FPGA 深度學(xué)習(xí)中應(yīng)用前景的觀點(diǎn),僅供參考: ? 優(yōu)勢(shì)方面: ? 高度定制化的計(jì)算架構(gòu):FPGA
    發(fā)表于 09-27 20:53

    深度學(xué)習(xí)算法嵌入式平臺(tái)上的部署

    隨著人工智能技術(shù)的飛速發(fā)展,深度學(xué)習(xí)算法各個(gè)領(lǐng)域的應(yīng)用日益廣泛。然而,將深度學(xué)習(xí)算法部署到資源
    的頭像 發(fā)表于 07-15 10:03 ?1416次閱讀

    深度學(xué)習(xí)算法集成電路測(cè)試中的應(yīng)用

    隨著半導(dǎo)體技術(shù)的快速發(fā)展,集成電路(IC)的復(fù)雜性和集成度不斷提高,對(duì)測(cè)試技術(shù)的要求也日益增加。深度學(xué)習(xí)算法作為一種強(qiáng)大的數(shù)據(jù)處理和模式識(shí)別工具,集成電路測(cè)試領(lǐng)域展現(xiàn)出了巨大的應(yīng)用潛力。本文將從
    的頭像 發(fā)表于 07-15 09:48 ?1017次閱讀

    深度學(xué)習(xí)中的時(shí)間序列分類方法

    時(shí)間序列分類(Time Series Classification, TSC)是機(jī)器學(xué)習(xí)深度學(xué)習(xí)領(lǐng)域的重要任務(wù)之一,廣泛應(yīng)用于人體活動(dòng)識(shí)別、系統(tǒng)監(jiān)測(cè)、金融預(yù)測(cè)、醫(yī)療診斷等多個(gè)領(lǐng)域。隨
    的頭像 發(fā)表于 07-09 15:54 ?943次閱讀

    深度學(xué)習(xí)視覺檢測(cè)中的應(yīng)用

    能力,還使得機(jī)器能夠模仿人類的某些智能行為,如識(shí)別文字、圖像和聲音等。深度學(xué)習(xí)的引入,極大地推動(dòng)了人工智能技術(shù)的發(fā)展,特別是圖像識(shí)別、自然語言處理、語音識(shí)別等領(lǐng)域取得了顯著成果。
    的頭像 發(fā)表于 07-08 10:27 ?730次閱讀

    基于深度學(xué)習(xí)的小目標(biāo)檢測(cè)

    )的廣泛應(yīng)用,小目標(biāo)檢測(cè)的性能得到了顯著提升。本文將詳細(xì)探討基于深度學(xué)習(xí)的小目標(biāo)檢測(cè)技術(shù),包括其定義、挑戰(zhàn)、常用方法以及未來發(fā)展方向。
    的頭像 發(fā)表于 07-04 17:25 ?890次閱讀

    深度學(xué)習(xí)的模型優(yōu)化與調(diào)試方法

    深度學(xué)習(xí)模型訓(xùn)練過程中,往往會(huì)遇到各種問題和挑戰(zhàn),如過擬合、欠擬合、梯度消失或爆炸等。因此,對(duì)深度學(xué)習(xí)
    的頭像 發(fā)表于 07-01 11:41 ?831次閱讀

    FPGA深度學(xué)習(xí)應(yīng)用中或?qū)⑷〈鶪PU

    上漲,因?yàn)槭聦?shí)表明,它們的 GPU 訓(xùn)練和運(yùn)行 深度學(xué)習(xí)模型 方面效果明顯。實(shí)際上,英偉達(dá)也已經(jīng)對(duì)自己的業(yè)務(wù)進(jìn)行了轉(zhuǎn)型,之前它是一家純粹做 GPU 和游戲的公司,現(xiàn)在除了作為一家云
    發(fā)表于 03-21 15:19

    為什么深度學(xué)習(xí)的效果更好?

    導(dǎo)讀深度學(xué)習(xí)是機(jī)器學(xué)習(xí)的一個(gè)子集,已成為人工智能領(lǐng)域的一項(xiàng)變革性技術(shù),在從計(jì)算機(jī)視覺、自然語言處理到自動(dòng)駕駛汽車等廣泛的應(yīng)用中取得了顯著的成功。深度
    的頭像 發(fā)表于 03-09 08:26 ?629次閱讀
    為什么<b class='flag-5'>深度</b><b class='flag-5'>學(xué)習(xí)</b>的效果更好?

    詳解深度學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)與卷積神經(jīng)網(wǎng)絡(luò)的應(yīng)用

    處理技術(shù)也可以通過深度學(xué)習(xí)來獲得更優(yōu)異的效果,比如去噪、超分辨率和跟蹤算法等。為了跟上時(shí)代的步伐,必須對(duì)深度
    的頭像 發(fā)表于 01-11 10:51 ?2057次閱讀
    詳解<b class='flag-5'>深度</b><b class='flag-5'>學(xué)習(xí)</b>、神經(jīng)網(wǎng)絡(luò)與卷積神經(jīng)網(wǎng)絡(luò)的應(yīng)用

    目前主流的深度學(xué)習(xí)算法模型和應(yīng)用案例

    深度學(xué)習(xí)科學(xué)計(jì)算中獲得了廣泛的普及,其算法被廣泛用于解決復(fù)雜問題的行業(yè)。所有深度
    的頭像 發(fā)表于 01-03 10:28 ?1969次閱讀
    目前主流的<b class='flag-5'>深度</b><b class='flag-5'>學(xué)習(xí)</b>算法模型和應(yīng)用案例
    主站蜘蛛池模板: 人人草在线| 久久99精品一级毛片| 伊人网99| 一级毛片子| 午夜色视频在线观看| 特级淫片aaaa毛片aa视频| 色香淫欲| 欧美高清在线播放| 久久综合久色欧美婷婷| 激情五月婷婷丁香| 国产1区2区三区不卡| 亚洲一级特黄| 免费看欧美一级片| 婷婷色亚洲| 色综合五月婷婷| 欧美成人精品一区二三区在线观看| 免费看欧美一级特黄a大片| 韩国三级视频在线观看| 7777在线| 久久天天躁夜夜躁狠狠85麻豆| 999久久久免费精品国产牛牛| 59日本人xxxxxxxxx69| 国产亚洲一区二区三区在线| 五月激情婷婷网| 欧美香蕉视频| 成人在线综合| 欧美尺寸又黑又粗又长| 黄色片网站观看| 天天天天天天干| 美女自熨出白浆视频在线播放| 91牛牛| 欧美一区二区三区不卡视频| 性视频网| 免费黄色大片网站| 99青草青草久热精品视频 | 高清一区高清二区视频| 午夜免费看片| 久久六月丁香婷婷婷| 天天夜天干天天爽| 欧美极品第一页| 亚洲无色|