医学人工智能原理及实践

医学人工智能原理及实践2019年04月19日目

录010302学人工智能基础医学人工智能应用医学人工智能实践目标目标目标人工智能原理及课题合作方向医学临床问题解决方案基于平台的可视化操作一、医学人工智能基础什么是人工智能-新技术热点最近几年新技术热点变化机器人人工智能大数据云计算无人机VR/AR区块链20182012新技术热点词汇人工智能机器人区块链VR/ARVR/AR人脸识别CVNLP工业机器人协作机器人智能音箱AI+金融无人店智能客服语音助理AI+安防AI芯片机械外骨骼服务机器人定位导航并联机器人SLAMVR游戏VR电影AR眼睛三维重建VR社交无线充电动力电池柔性电池氢燃料电池AI+医疗自动驾驶体验店全息投影VR头显分布式电网太阳能光伏图像检测VR行业应用航空航天智能制造物联网IOT光机电新材料民营火箭行业无人机工业物联网工业大数据先进机床智能机器人智慧城市智慧交通智慧家居车联网激光雷达微波雷达石墨烯高分子载人飞行器消费无人机消费无人机故障预测边缘计算智能建筑深度摄像头芯片复合材料柔性材料民营卫星3D打印高精度定位传感器海洋装备军民融合信息安全传感检测云计算大数据半导体无人船ROV什么是人工智能-人工智能定义人工智能（Artificial

Intelligence)简称AI,主要研究如何用人工的方法和技术，使用各种自动化机器或智能机器（主要指计算机）模仿、延伸和扩展人的智能，实现某些机器思维或脑力劳动自动化人工智能是一个很宽泛的概念，大体来说是对人的意识、思维信息过程的模拟。它企图了解“智能”的实质，并且生产出一种能像人类一样在不同环境下，能做出相应反应的“智能机器”。人类对自身“智能”的理解都非常有限，所以就很难定义什么是人工制造的“智能”。随着科技的进步和人类对自身理解更加深刻，人工智能概念的边界也在不断地拓展。有关人工智能概念的不同表述Nils

J.

Nilsson

斯坦福大学计算机科学系教授人工智能是致力于让机器变得智能的活动，而智能就是使实体在其环境中有远见地、适当地实现功能性的能力。李开复

创新工场创始人兼CEO粗略来讲，人工智能是获取某种一领域（如贷款偿还纪录）的海量信息，并利用这些信息对具体案例（是否应给某人贷款）做出判断，以达成某一特定目标（贷方利益最大化）的技术。杨铭

地平线机器人联合创始人兼软件副总裁人工智能就是学习和设计一种Intelligent

Agent，这个Agent本身能够感知环境、采取行动和实现一定的目标。Agent指能够执行AI的载体，可能是大规模的、抽象的能够实现上述功能的集合，有可能只是一些程序的集合。什么是人工智能-人工智能的研究目标强化学习监督学习深度学习非监督学习

弱人工智能：能够模仿人脑的基本功能，感知、记忆、学习和决策等；擅长单个方面的人工智能。比如AlphaGO只会下围棋，要让它下国际象棋，一步都无法判断。学习能力机器学习

强人工智能：需要结合情感、认知和推理等高阶智能；LindaGottfredson把它定义为“一种宽泛的心里能力，能够进行思考、计划、解决问题、抽象思维、理解复杂理念、快速学习和从经验中学习等操作”。文本生成问答语言能力感知能力自然语言处理语言文本分类机器翻译语言转换文本文本转换语言

超级人工智能：其能力超过人类，而且能不断进化和自我学习；Nick

Bostrom把它定义为“在几乎所有领域都比最聪明的人类大脑都聪明很多，包括科学创新，通识和社交技能”。人类智能人工智能图像识别图像计算机视觉自动推理知识表示推理能力记忆能力规划能力规划能力

远期目标：制造智能机器，使计算机像人一样具有自动发现规律和利用规律的能力

近期目标：实现机器智能。即：部分地或某种程度地实现机器的智能什么是人工智能-人工智能发展里程1997年，IBM的超级计算机“深蓝”战胜了当时的国际象棋冠军Garry

Kasparov，引起了世界的轰动。虽然它还不能证明人工智能可以像人一样思考，但它证明了人工智能在推算及信息处理上要比人类更快。2012年6月，谷歌研究人员JeffDean和吴恩达从YouTube视频中提取了1000万个未标记的图像，训练一个由16，000个电脑处理器组成的庞大神经网络。在没有给出任何识别信息的情况下，人工智能通过深度学习算法准确的从中识别出了猫科动物的照片。1955年8月31日1969人类首次提出了反向传播算法，1993年作家兼计算机科学家VernorVinge发表了一篇文章，在这篇文章中首次提到了人工智能的“奇点理论”。他认为未来某一天人工智能会超越人类，并且终结人类社会，主宰人类世界，被其称为“即将到来的技术奇点”。JohnMcCarthy、MarvinMinsky、NathanielRochester和ClaudeShannon四位科学家联名提交了一份《人工智能研究》的提案，首次提出了人工智能（AI）的概念，其中的JohnMcCarthy被后人尊称为“人工智能之父”。20世纪60年代，麻省理工学院的一名研究人员发明了一个名为ELIZA的计算机心理治疗师，可以帮助用户和机器对话，缓解压力和抑郁，这是语音助手最早的雏形。(Backpropagation），这是80年代的主流算法，同时也是机器学习历史上最重要的算法之一，奠定了人工智能的基础。2016年3月，谷歌AlphaGo4：1战胜围棋世界冠军李世石，开启了人工智能的新纪元。1943年，WarrenMcCulloch和Walter

Pitts两位科学家提出了“神经网络”的概念，正式开启了AI的大门。多层神经网络两层神经网络单层神经网络神经元2012CNN第三次兴起1986BP第二次兴起1958Perceptron1995SVM2006DBN1969“AI

Winter”1982Hopfield第一次兴起1943MP诞生

1949Hebb19702000201019401940196019801990非机器学习：机器学习：从数据中自动分析获得规律，并利用规律深度学习：知识库，规则引擎深度神经网络什么是人工智能-人工智能三大要素：算法、计算和数据人机表深神工器征度经智学学学网能习习习络主流的算法主要分为传统的机器学习算法和神经网络算法。神经网络算法快速发展，近年来因为深度学习的发展到了高潮。什么是人工智能-人工智能三大要素：算法、计算和数据典型计算密度型任务功耗对标单精度浮点峰值计算能力功耗功耗比灵活性很高高（GFLOPS）（W）

（GFLPOS/W）CPUGPU擅长处理/控制复杂流133087401453009程，高功耗擅长处理简单并行计算，高功耗29FPGAASIC可重复编程，低功低高性能，研发成本高，任务不可更改0.5900人工智能的发展对算力提出了更高的要求。以下是各种芯片的计算能力对比。其中GPU领先其他芯片在人工智能领域中用的最广泛。GPU和CPU都擅长浮点计算，一般来说，GPU做浮点计算的能力是CPU的10倍左右。另外深度学习加速框架通过在GPU之上进行优化，再次提升了GPU的计算性能，有利于加速神经网络的计算。如：CUDNN具有可定制的数据布局，支持四维张量的灵活维度排序，跨步和子区域，用作所有例程的输入和输出。在卷积神经网络的卷积运算中实现了矩阵运算，同时减少了内存，大大提升了神经网络的性能。什么是人工智能-人工智能三大要素：算法、计算和数据如今这个时代，无时无刻不在产生大数据。移动设备、廉价的照相机、无处不在的传感器等等积累的数据。这些数据形式多样化，大部分都是非结构化数据。如果需要为人工智能算法所用，就需要进行大量的预处理过程。什么是人工智能-人工智能三大要素：算法、计算和数据拿车打比方，算法就像发动机；数据是油，提供动力；计算力就是车轮，驱动车轮前进。这三个要素缺一不可。数据：人工智能的智能都蕴含在大数据中。算法是实现人工智能的根本途径，是挖掘数据智能的有效方法。算力为人工智能提供了基本的计算能力的支撑。人工智能在各行业的应用-人工智能产业链人工智能产业链在过去的5-10年，人工智能技术得以商业化，只要得益传感器等硬件价格快速下降，云服务的普及，以及GPU等芯片使大规模并行计算能力得以提升。人工智能产业在基础设施层面的搭建已经基本形成个人助理无人驾驶智能安防智能金融机器人智能家居方案集成层智能医疗方案集成层应用技术层与其他技术相比，语音识别在技术和应用方面都已经较为成熟，谷歌、亚马逊、苹果、百度、阿里巴巴等巨头的布局很深，科大讯飞等企业也显示了良好的增长势头。另外计算机视觉尤其是人脸识别、自然语言处理等方向也将是技术和应用较快发展的领域。应用技术层计算机视觉自然语言处理半导体芯片语言识别云服务深度学习传感器主要是把人工智能相关技术集成到自己的产品和服务中，然后切入特定场景（金融、家居、医疗、安防、车载等）。未来场景数据完成（信息化程度原本就比较高的行业或数据洼地行业）、反馈机制清晰、追求效率动力比较强的场景将率先实现AI技术的大规模商业化。目前看来，医疗、自动驾驶、安防、金融、营销等领域是业内人士普遍看好的方向。基础设施层大数据基础设施层人工智能应用各个领域智能教育

2.2%智能安防

7.3%计算机视觉

24.1%智能医疗

3.6%语言识别

5.1%自然语言处理

13.9%

智能金融

14.6%智能机器人

28.5%

芯片

0.7%人工智能应用于医疗健康领域人工智能+医疗技术的解析-技术类型非机器学习：知识库，规则引擎机器学习：从数据中自动分析获得规律，并利用规律深度学习：深度神经网络（实现机器学习的其中一种手段）人工智能+医疗技术的解析-机器学习TEP算法模型评估机器学习是数据通过算法构建出模型并对模型进行评估评估的性能如果达到要求就拿这个模型来测试其他的数据如果达不到要求就调整算法来重新建立模型，再次进行评估如此循环往复，最终获得满意的经验来处理其他的数据人工智能+医疗技术的解析-机器学习类型介于监督学习与无监督学习之间一种机器学习方式，主要考虑如何利用少量的标注样本和大量的未标注样本进行训练和分类的问题；首先试图对未标识数据进行建模，在此基础上再对标识的数据进行预测从给定的训练数据集中学习一个函数（模型），当新的数据到来时，可以根据这个函数(模型）预测结果；输入数据被称为“训练数据”，每组训练数据有一个明确的标识或结果。如，防垃圾邮件系统中“垃圾邮件”半监督学习半监督学习的效果难以保证，有时候甚至比仅仅用少量标注样本训练更差常见的监督学习算法包括回归分析和统计分类监督学习强化学习无监督学习数据并不被特别标识，学习模型是为了推断出数据的一些内在结构，常见算法包括Apriori算法和k-means算法找到能够使得长期累积奖赏最大化的策略，强化学习在某种意义上可以看作具有延迟标记信息的监督学习问题常见的应用场景包括关联规则的学习以及聚类与监督式学习相同点：都有训练集，且都有输入和输出应用场景：动态系统，机器人控制与监督式学习不同点：训练集目标是否被标注人工智能+医疗技术的解析-深度学习-医学影像MedicalPhotographySurgeryPathologyRoboticsthe

structural

information

of

human

tissueanatomyPETSPECTMetabolicinformationof

human

tissue机器学习与深度学习的区别浅层神经网络与深度学习神经网络的区别医学人工智能三要素之数据：X、Y的一对数据医院从不缺少原始数据X，缺少的是与之对应的高质量标签Y不同Y的类型对应不同的问题类型猫（分类）36cm长（回归）医学人工智能三要素之算法：机器学习算法的知识图谱模型f1优于f2监督学习，数据组成是：原始数据X

+

标签Y无监督学习，数据组成是：原始数据X半监督学习，数据组成是：原始数据X

+

部分标签Y1、医学人工智能问题实际上就是根据X、Y，采用某种算法，得到某种模型；2、给定一种算法，实际上确定了一组模型；3、再给定一套参数，实际上确定了一个模型；医学人工智能三要素之算力：GPU（DGX1V）及天河二号超算TitanX-GPU已经比CPU快60倍；DGX-1V又比TitanX快10倍；DGX1V-GPU超级计算机完全满足MRI、CT等3D影像处理需求医学人工智能类项目或课题如何设计？1.

建议选择影像类数据（CT、MR、US、X、PET、病理、心电图、眼底图、皮肤镜图等），因为AI在视觉领域技术最成熟，同时视觉包含的信息最多。2.

数据可以采用单模态，但越来越多的人用多模态、影像组学。3.

医生需要确定项目拟解决的问题，同样的数据，AI模型可用于解决不同的问题。4.不同的问题，不同的标签Y，分类/回归属于图片级标签，病灶分割/器官分割属于像素级标签。5.

可参考RCT方法，针对治疗组、对照组分别建模，进行疗效预测、方案优化。二、医学人工智能应用医疗AI场景图：根据技术能力结合临床需求选择切入点场景一：医学影像识别场景二：分类预测场景三：可能性预测场景四：关联预测挖掘疾病与生理指标之间的相关关系，探索不同的疾病在生理指标上的差异性比如：根据各项生理

检查指标数据，判断李四得了良性肺癌肿瘤；比如区分极易混淆的

病和

病。常用的场景之一。根据各种临床数据预测，张三得某种病的概率为89%；某病人即将手术，预测其风险概率为45%；对各种疾病在各种合并症上进行关联规则分析，分析发生某一合并症的条件下发生另一种合并症的概率，探索合并症的关联关系及因果关系。对数据量有很大要求。自动学习恶性肿瘤细胞与正常细胞间的差异以及癌症病情的分析和判断标准，给出判断结果。计算机还能发现人眼不易察觉的小细节，并总结出一些医生意料之外的规律。最常用的场景之一场景六：聚类分析场景八：临床提出场景五：病历分析场景七：迁移学习采用文本挖掘技术，对病历文本进行分析：医保费用异常预警、医保费用影响因素分析、医保费用预测。运用深度学习最新的迁移学习，我们模型对医疗影像的识别正确率达到顶尖专家的水准，而且迁移到其它种类的疾病，能降低对训练数据数量需求，同时识别也达到高水准从病历文本中提取关键词将同类型的病历归类利用索赔人基本信息、索赔理由、索赔历史、结合索赔规则和算法等，做成赔付自动化系统，提高索赔准确性，降低欺诈索赔率提取某种病的共性主诉

诊断寻找相似病历供医生研判场景一：

gRNA切割效率预测1需求描述找出规律，筛选出切割效率高的gRNA234数据样本量数据示例2700-3000

条gRNA基因名称+gRNA序列+阳性率数据（切割效率数据）影响因素说明gRNA本身的序列特征：GC含量，重复结构，二级结构场景二：细胞状态的好坏预测1234根据细胞图片判断动物的嵌合率和出生率需求描述数据样本量数据示例2000张细胞图片内部编号+克隆号+嵌合率+出生率影响因素说明克隆本身质量；操作原因。场景二：细胞状态的好坏预测复苏注射克

注射胚胎数

出生小鼠数注射日期内部编号

DNA名称嵌合体数目

嵌合率出生率隆编号量量2018/3/13KI409-tsdmCx3c

r1mHrh

22A630.001.001.000.00100%0%3.33%0.00%2018/3/19

CK756-tsd3G930.000.00场景三：打靶位置对同源重组效率（PCR阳性率）的影响预测1234筛选出打靶效率高的位置需求描述数据样本量数据示例2700-3000载体序列基因名称+载体序列+阳性率数据影响因素说明同源臂的序列特征：GC含量，重复序列，二级结构场景四：迁移学习降低训练数据数量运用深度学习最新的迁移学习，我们模型对医疗影像的识别正确率达到顶尖专家的水准，而且迁移到其它种类的疾病，能降低对训练数据数量需求，同时识别也达到高水准Fig.1

深度学习之迁移学习原理图场景四：迁移学习降低训练数据数量对眼科4种类型AI识别正确率95.4%迁移这种能力，用少量肺部标记影像做训练，对小儿肺炎识别正确率达到91.1%，足够的正确率将大大减轻医生工作量Virus（病毒）Bacteria（细菌）Normal具体落地产品1：虚拟助理语义理解语音识别1.医生将使用

AI

虚拟助手（例如使用类似于Apple

Siri的软件工具，但专门针对特定的医疗应用程序）进行练习。2.

AI

虚拟助理将通过持续和实时的智能建议来支持患者和健康人员进行健康维护。3、以前只能在医院使用的医疗设备将出现在家庭里，可以进行更精确和及时的监测。4、基于从现有的和广泛采用的数字设备（如智能手机）中收集的数据，未来将出现负担得起的诊断和治疗疾病的新工具。5、机器人和家庭

AI

系统将帮助独立生活的患者。具体落地产品2：医学影像识别食

管

癌

的

早

期

治

疗骨龄智能诊断系统宫

颈

癌

、

乳

腺

癌《促进新一代人工智能产业发展三年行动计划（2018-2020年）》医疗影像辅助诊断系统方面，到2020年，国内先进的多模态医学影像辅助诊断系统对以上典型疾病的检出率超过95%，假阴性率低于1%，假阳性率低于5%。肺癌影像诊断肺结节检查糖网病医学影像处理具体落地产品3：电子病历与文献分析原理与应用1、知识抽取2、

知识融合3、知识推理4、质量评估具体落地产品4：药物研发传统药物研发存在巨大的痛点，研发周期长、成功率低，而人工智能与基于药物临床试验计算机模拟技术（CTS）的结合可能极大地提高新药研发效率，降低企业成本。具体落地产品5：辅助诊疗系统传感器数据病历数据诊断结果舌

诊舌诊：脉诊：面诊：手诊：辅助诊疗系统图像处理机器学习输出知识图谱深度学习自然语言处理面

诊三、医学人工智能实践实例演示-乳腺肿瘤诊断预测（良性/恶性）原始数据：在乳腺癌诊断中，特征包括癌细胞的半径，光滑度，面积等ABcDEFGH1JKLid

diagnosis842302

M842517

M84300903

M84348301

M84358402

M843786

M844359

M84458202

M844981

M84501001

M845636

M84610002

M846226

M846381

M84667401

M84799002

M848406

M84862001

M849014

M8510426

B8510653

B8510824

B8511133

M851509

M852552

M852631

M852763

M852781

M852973

M853201

M853401

M853612

M85382601

M854002

M854039

M854253

M854268

M854941

Bradiustextureperimeterarea122.8132.9130smoothness

compactness

concavity

concave

points

symmetryfractal

dimension17.9910.3810010.11840.084740.10960.14250.10030.12780.094630.11890.12730.11860.082060.09710.09740.084010.11310.11390.098670.1170.27760.078640.15990.28390.13280.170.30010.08690.19740.24140.1980.14710.070170.12790.24190.18120.20690.25970.18090.20870.17940.21960.2350.078710.056670.059990.097440.058830.076130.057420.074510.073890.082430.056970.060820.07820.5719.6911.4220.2912.4518.2513.711317.7721.2520.3814.3415.713261203386.11297477.11040577.9519.8475.9797.878177.58135.182.57119.690.20.10520.10430.15780.11270.080890.07419.9820.8321.8224.0423.2417.8924.80.1090.1645

0.093660.059850.093530.085430.033230.066060.111887.50.19320.23960.18590.227312.4616.0215.7819.1715.8513.7314.5414.6816.1319.8113.5413.089.50415.3421.1616.6517.1414.5818.6115.383.97102.7103.6132.4103.793.60.2030.06669

0.032990.1292

0.099540.15280.18420.23970.18470.20690.23030.15860.21640.15820.18850.19670.18150.25210.17690.19950.3041123782.7578.3658.8684.5798.81260566.35200.24580.206523.9522.6127.5420.1320.6822.1514.3615.7112.4414.2623.0421.3816.40.1002

0.099380.053640.080250.073640.052590.10280.053380.076820.070770.059220.073560.053950.057660.068110.069050.070320.052780.06330.22930.15950.21280.163996.7394.74108.11300.072

0.073950.20220.10270.17220.14790.098310.097790.10750.10240.10730.094280.11210.11860.10540.09440.10820.098470.10640.11090.11970.094010.1040.094980.047810.031187.4685.6360.34102.5137.21100.08129

0.066640.127

0.04568273.9704.41404904.6912.7644.81094732.4955.11088440.6899.31162807.2869.56330.06492

0.029560.020760.097560.086320.09170.21350.10220.14570.22760.18680.10660.16970.20770.10970.15250.22290.14250.1491160.14010.074130.069240.056990.065421.5320.2525.2715.0525.1118.797.41122.1102.41150.087830.077310.087510.079530.12440.22520.16970.19260.17390.21830.23010.22480.18530.19980.18960.18850.14670.15650.1720.168317.5718.6311.8417.0219.2716.1316