皮肤癌的AI诊断课件

由一篇Nature引发的思考PPT制作、主讲朱明哲文献查找、翻译、Word文档制作李卓是什么研究成果震撼了生物医学界？生物医学传感领域的新突破荣获斯坦福大学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Dermatologist-levelclassificationofskincancer

withdeepneuralnetworks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人工智能我们该如何理解？浅析CNNsLogistic回归模型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？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

LayerL1在座近100位同学都提出了自己的观点LayerL2通过小组讨论，初步得出问题的解答LayerL3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。另一个现实中的例子是图像处理

卷积神经网络在该课题中如何运用？ClassicaldiagnosingmethodInitialclinicalscreeningDermoscopicanalysisBiopsyHistopathologicalexaminationObservingundermicroscopeDiagnosticreportFigure1|DeepCNNlayout.FormedbyGoogleInceptionv3CNNarchitectureStep1TheydemonstratedclassificationofskinlesionsusingasingleCNN,trainedend-to-endfromimagesdirectly,usingonlypixelsanddiseaselabelsasinputs.Figure2|Aschematicillustrationofthetaxonomyandexampletestsetimagesa,Asubsetofthetopofthetree-structuredtaxonomyofskindisease.b,Malignantandbenignexampleimagesfromtwodiseaseclasses.Step2

TheytrainedaCNNusingadatasetof129,450clinicalimages,consistingof2,032differentdiseases.Practicaldiagnose

——Analyzingup-loadedpicture

frommobiledevicesFigure4|t-SNEvisualizationofthelasthiddenlayerrepresentationsintheCNNforfourdiseaseclassesAI诊断的发展前景如何？Outfittedwithdeepneuralnetworks,mobiledevicescanpotentiallyextendthereachofdermatologistsoutsideoftheclinic.

Itisprojectedthat6.3billionsmartphonesubscriptionswillexistbytheyear2021andcanthereforepotentiallyprovidelow-costuniversalaccesstovitaldiagnosticcare.——EricssonMobilityReport,2016Deeplearningalgorithms,poweredbyadvancesincomputationandverylargedatasets,haverecentlybeenshowntoexceedhumanperformanceinvisualtaskssuchasplayingAtarigames,strategicboardgameslikeGoandobjectrecognition.AI应用于生活的几个例子2017年5月23日~5月27日“第二次围棋人机大战”论决策和价值评估，人类真的输了！DemisHassabis，创业公司DeepMind创始人。“AI是人类探索世界的工具。”属于我们自己的AlphaGo又在何方