皮肤癌的ai诊断课件

1、由一篇Nature引发的思考PPT制作、主讲 朱明哲文献查找、翻译、Word文档制作 李卓1皮肤癌的ai诊断由一篇Nature引发的思考PPT制作、主讲 是什么研究成果震撼了生物医学界？2皮肤癌的ai诊断是什么研究成果震撼了2皮肤癌的ai诊断生物医学传感领域的新突破3皮肤癌的ai诊断生物医学传感领域的新突破3皮肤癌的ai诊断百度搜索引擎都膜拜的第一作者4皮肤癌的ai诊断百度搜索引擎都膜拜的第一作者4皮肤癌的ai诊断荣获斯坦福大学AI领域的理学博士并修德克萨斯大学奥斯汀分校电子计算机工程及纯数学双专业5皮肤癌的ai诊断荣获斯坦福大学AI领域的理学博士并修德克萨斯大学奥斯汀分校6皮肤癌的ai诊断6

2、皮肤癌的ai诊断7皮肤癌的ai诊断7皮肤癌的ai诊断Dermatologist-level classification of skin cancerwith deep neural networks利用深度神经网络，进行皮肤科专家级别的皮肤癌诊断这项研究成果被x-mol官网评为2017年2月全球科学技术十大突破之五8皮肤癌的ai诊断Dermatologist-level classifica这种所谓的深度神经网络就是近年来经常提及 但又充满神秘的人工智能 (Artificial Intelligence)9皮肤癌的ai诊断这种所谓的深度神经网络就是近年来经常提及 但又充满神秘的人人工智能我们

3、该如何理解？10皮肤癌的ai诊断人工智能10皮肤癌的ai诊断从数学上看深度神经网络(Deep Neural Networks)卷积神经网络(Convolutional Neural Networks)11皮肤癌的ai诊断从数学上看深度神经网络卷积神经网络11皮肤癌的ai诊断浅析CNNsLogistic回归模型12皮肤癌的ai诊断浅析CNNsLogistic回归模型12皮肤癌的ai诊断浅析CNNs13皮肤癌的ai诊断浅析CNNs13皮肤癌的ai诊断卷积的处理看起来使得问题复杂了，这是否会增大计算难度，降低效率？14皮肤癌的ai诊断卷积的处理看起来使得问题复杂了，这是否会增大计算难度，降低课堂讨论

4、环节显然让课堂效率提高了而它正是卷积过程的体现Layer L1在座近100位同学都提出了自己的观点Layer L2通过小组讨论，初步得出问题的解答Layer L3对每个小组的讨论结果进行评估，考虑其对问题的偏离程度（权重），得出最终结果15皮肤癌的ai诊断课堂讨论环节显然让课堂效率提高了而它正是卷积过程的体现LCNNs的工作就是将全局映射转化为区域映射的过程。另一个现实中的例子是图像处理16皮肤癌的ai诊断CNNs的工作就是将全局映射转化为区域映射的过程。另一个现实卷积神经网络在该课题中如何运用？17皮肤癌的ai诊断卷积神经网络17皮肤癌的ai诊断Classical diagnosing me

5、thodInitial clinical screening Dermoscopic analysisBiopsyHistopathological examinationObserving undermicroscopeDiagnosticreport18皮肤癌的ai诊断Classical diagnosing methodIniFormation of AI dermatologist A process of machine learning19皮肤癌的ai诊断Formation of AI dermatologistFigure 1 | Deep CNN layout. Formed

6、by Google Inception v3 CNN architectureStep1 They demonstrated classification of skin lesions using a single CNN, trained end-to-end from images directly, using only pixels and disease labels as inputs.20皮肤癌的ai诊断Figure 1 | Deep CNN layout. StFigure 2 | A schematic illustration of the taxonomy and ex

7、ample test set imagesa, A subset of the top of the tree-structured taxonomy of skin disease.b, Malignant and benign example images from two disease classes.Step 2 They trained a CNN using a dataset of 129,450 clinical images, consisting of 2,032 different diseases.21皮肤癌的ai诊断Figure 2 | A schematic il

8、lustrStep 3 Grasp the characteristic message of pictures by analyzing pixels.Figure 3 | Skin cancer classification performance of dermatologists (a) and CNN (b).22皮肤癌的ai诊断Step 3 Grasp the characteristiPractical diagnose Analyzing up-loaded picture from mobile devices23皮肤癌的ai诊断Practical diagnose AnaF

9、igure 4 | t-SNE visualization of the last hidden layer representations in the CNN for four disease classes24皮肤癌的ai诊断Figure 4 | t-SNE visualizationReal case analysis as support information25皮肤癌的ai诊断Real case analysis as support AI诊断的发展前景如何？26皮肤癌的ai诊断AI诊断的发展前景如何？26皮肤癌的ai诊断 Outfitted with deep neural n

10、etworks, mobile devices can potentially extend the reach of dermatologists outside of the clinic. It is projected that 6.3 billion smartphone subscriptions will exist by the year 2021 and can therefore potentially provide low-cost universal access to vital diagnostic care.27皮肤癌的ai诊断 Outfitted with d

11、eep neurEricsson Mobility Report, 201628皮肤癌的ai诊断Ericsson Mobility Report, 20除了诊断病症AI还给我们带来了什么？29皮肤癌的ai诊断除了诊断病症29皮肤癌的ai诊断 Deep learning algorithms, powered by advances in computation and very large datasets, have recently been shown to exceed human performance in visual tasks such as playing Atari ga

12、mes, strategic board games like Go and object recognition.30皮肤癌的ai诊断 Deep learning algorithmsAI应用于生活的几个例子31皮肤癌的ai诊断AI应用于生活的几个例子31皮肤癌的ai诊断32皮肤癌的ai诊断32皮肤癌的ai诊断2017年5月23日5月27日 “第二次围棋人机大战” 33皮肤癌的ai诊断2017年5月23日5月27日 “第二次围棋人机大战” 3论决策和价值评估，人类真的输了！34皮肤癌的ai诊断论决策和价值评估，人类真的输了！34皮肤癌的ai诊断Demis Hassabis，创业公司DeepMind创始人。 “AI是人类探索世界的工具。”35皮肤癌的ai诊断Demis Hassabis，创业公司DeepMind创始人属于我们自己的AlphaGo又在何方？36皮肤癌的ai诊断属于我们自己的AlphaGo36皮肤癌的ai