類腦人工智能在醫(yī)療圖像處理中的應(yīng)用

類腦人工智能在醫(yī)療圖像處理中的應(yīng)用2017/7/3深度學(xué)習(xí)算法受到靈長類視覺系統(tǒng)結(jié)構(gòu)的啟發(fā)近年來在很多領(lǐng)域取得了突破從2016年起在醫(yī)療圖像領(lǐng)域也取得一系列突破深度學(xué)習(xí)深度學(xué)習(xí)的成功：回過頭看：很早就發(fā)現(xiàn)的受大腦啟發(fā)的算法+大數(shù)據(jù)+大的計算機(jī)但真正的歷史是曲折的。。。/p/1001603814055260359965自動特征提取突破時刻ImageNet2012皮膚癌診斷斯坦福大學(xué)的研究人員開發(fā)深度學(xué)習(xí)算法，識別皮膚癌的準(zhǔn)確率與專業(yè)的人類醫(yī)生相當(dāng)，相關(guān)研究論文被選為封面論文在2016年底的

Nature發(fā)表。研究人員訓(xùn)練系統(tǒng)觀看了近13萬張痣、皮疹和其他皮膚病變的圖像，然后讓系統(tǒng)與21位皮膚科醫(yī)生對比測試，結(jié)果系統(tǒng)的精確度與人類醫(yī)生相當(dāng)（“至少”91%）?；陔娮语@微鏡的腦鏈接組解析V.Jain,J.F.Murray,F.Roth,S.Turaga,V.Zhigulin,K.L.Briggman,M.N.Helmstaedter,W.Denk,andH.S.Seung.SupervisedLearningofImageRestorationwithConvolutionalNetworks.

Proceedings:IEEE11thInternationalConferenceonComputerVision(ICCV)

(2007).視網(wǎng)膜神經(jīng)元的分類SumbulU&,SongS&,McCullochK,BeckerM,LinB,SanesJR,MaslandR,SeungSH*.(2014)Ageneticandcomputationalapproachtostructurallyclassifyneuronaltypes.NatureCommunications,5:3512(co-firstauthor)本人在MIT博士后期間（2007）開始將深度學(xué)習(xí)應(yīng)用到生物圖像上ThefundamentalplanoftheretinaPhotoreceptors:Bipolar:Horizontal:Amacrine:Ganglion:Reference:Masland,R.H.(2001).Thefundamentalplanoftheretina.NatNeurosci,4(9):877-886.Bipolar:為什么困難？錯誤的斷開錯誤的融合需要先驗知識.用機(jī)器學(xué)習(xí)方法來重構(gòu)神經(jīng)元+Train卷積神經(jīng)網(wǎng)絡(luò)端到端訓(xùn)練HandDesignedFiltersversusEndtoEndLearning分兩步走如何標(biāo)注圖像很重要

HowtoGenerateTrainingLabelsmorphology利用先驗知識，讓電腦學(xué)習(xí)最重要的東西

最重要的是拓?fù)溥B接結(jié)構(gòu)乘法機(jī)制傳統(tǒng)人工神經(jīng)元模型認(rèn)為信號整合是線性的，只有動作電位發(fā)放是非線性的?；谏锷窠?jīng)元樹突的非線性特征運(yùn)用到圖像分割問題上QianWang,JiaxingZhang,SenSong,ZhengZhangAttentionalNeuralNetwork:FeatureSelectionUsingCognitiveFeedback

NIPS2014本實驗室2014年提出注意力神經(jīng)元網(wǎng)絡(luò)DataScienceBowl2017$1Mprize1700+teams1000+kernels在今年的數(shù)據(jù)國際大賽上本實驗室和胡曉玲老師、張鈸老師實驗室學(xué)生廖方舟李哲運(yùn)用相關(guān)技術(shù)獲得了世界第一的成績肺癌輔助診斷根據(jù)CT圖像預(yù)測一年后發(fā)病概率12812824643232646416648325*K641632643Dcube3DoutputRR326432643212832128

NoduleDetectorNet(N-Net)CaseClassificationNet(C-Net)N-NetTop5proposals+dummynodule99.97%97.36%86.48%71.84%69.65%P1=69.06%P2=65.22%P3=69.69%P4=2.08%P5=5.97%P1P2P3P4P5

Pd=0.97%32128Pd32128321283212832128類腦計算--邁向通用人工智能類腦計算是一門融合了腦科學(xué)與計算機(jī)科學(xué)、信息科學(xué)和人工智能等領(lǐng)域的交叉學(xué)科，類腦計算借鑒了人腦存儲和處理信息的方式，是基于神經(jīng)形態(tài)工程發(fā)展起來的新計算技術(shù)。其與現(xiàn)代計算機(jī)相結(jié)合，將構(gòu)成人工通用智能的基礎(chǔ)，并大幅提高智能處理能力，最終促進(jìn)計算機(jī)、大數(shù)據(jù)、機(jī)器人、人工智能等的發(fā)展。1小數(shù)據(jù)問題

減少對標(biāo)注的依賴，讓相關(guān)算法自適應(yīng)性更強(qiáng)

這對醫(yī)療圖像很重要，各醫(yī)院采取的機(jī)器格式等不一樣。2可解釋的機(jī)器學(xué)習(xí)

需要有中間結(jié)果及推理過程，而不完全是黑箱操作

3多模態(tài)融合

綜合多種成像手段，以及其他檢測指標(biāo)對疾病做出輔助診斷對未來的展望學(xué)習(xí)寫字在這篇論文中，研究者的模型只規(guī)定了字符由筆畫組成，筆畫由抬高筆觸來區(qū)分，而筆畫又由更小的子筆畫組成，子筆畫用筆尖速度為零的點(diǎn)來區(qū)分。

有了這個初始模型之后，研究者向AI展現(xiàn)了人類手寫文字的方式，包括筆畫順序等，讓系統(tǒng)學(xué)習(xí)連續(xù)的筆畫和子筆畫之間的統(tǒng)計關(guān)系，以及單個筆畫所能容忍的變異程度。這個系統(tǒng)從未在它所分析的書寫系統(tǒng)上進(jìn)行過任何訓(xùn)練，它只是推理出了人類寫字的一般規(guī)律。241小樣本問題--學(xué)習(xí)去學(xué)習(xí)減少對標(biāo)注的依賴對醫(yī)療數(shù)據(jù)很重要252可解釋的機(jī)器學(xué)習(xí)--深度學(xué)習(xí)到底學(xué)了什么？ＦｒｏｍＭａｔｔｈｉａｓＢｅｔｈｇｅＴａｌｋ262可解釋的機(jī)器學(xué)習(xí)既有直覺又有推理的完整系統(tǒng)3多模態(tài)融合和復(fù)雜決策整合電子病例信息在新的研究中，Weng和他的同事比較了ACC/AHA指南與隨機(jī)森林，邏輯回歸，梯度增強(qiáng)和神經(jīng)網(wǎng)絡(luò)這四種