将AI赋能医疗 平安科技赛飞平台再夺冠

2019-09-20 10:56 稿源:用户投稿  0条评论

  众所周知,随着科技的发展,AI技术也逐渐成熟,尤其是在金融等领域的应用已经很广泛。平安科技作为AI领域的先头部队,逐渐将AI技术应用到医疗等领域,取得的成绩也是有目共睹的。

  据全球最大的文献摘要与科研信息引用数据库Scopus显示,自 2017 年以来,AI领域年发表论文数量增长率超过50%。也就是说,约 20 分钟就会有一篇AI领域论文发表。

  除了新技术层出不穷外,论文复现难,以及需要趟各种“坑”的沉没成本,令前线战友们在面临产品节点压力下,无过多精力与新技术“纠缠”。“因此,我们AI算法平台部的职责就是把学术界最前沿的AI研究成果消化吸收改进,铸成简单易用又强大算法工具,放到平台上提供给前线部队。”

  高鹏的战术是根据医疗AI模型研发生命周期中的四个关键环节——标注、训练、泛化、部署——入手,打造各种“AI之剑”。

  在数据标注阶段,由于深度学习是一种数据驱动的技术,需要大量标注样本。然而样本标注需要耗费大量人力和资金成本;更重要的是,医学样本还需要专业的医学知识。

  针对这个痛点,高鹏为队友们提供了基于主动学习(ActiveLearning)的智能样本标准工具。经过国家肾脏疾病临床医学研究中心病理分析项目的验证,可以减少医生约48%的标准工作量。

  在模型训练阶段,训练样本的不均衡问题也是一大痛点。多数项目中,正常样本很多,但罕见的病灶、特殊样本非常稀缺,严重影响了模型的精度。就像精于技艺的匠师,高鹏总能研发出最新的武器来反制对手。基于对抗生成网络(GAN,GenerativeAdversarialNetworks)的样本增广工具,高鹏为队友们造出第二把锋利的“剑”:

  类似于谷歌AlphaGo左右互博的原理,针对特定需求算法可以生成以假乱真的样本。平安智慧医疗全球首款智能OCT眼底疾病筛查系统就用到了这项技术。在由复旦大学附属眼耳鼻喉科医院牵头,上海市一院和上海十院共同完成的多医学中心临床验证中,OCT眼底疾病筛查系统在图像质量评价、病灶检测、急迫性判断 3 项辅助医疗任务中,样本准确率分别达99.2%、98.6%、96.7%。

  患者在上海第十人民医院由刘晓强主任进行眼底疾病智能筛查

  在模型泛化阶段,“一个非常普遍的问题就是训练数据往往来自特定医院的特定设备,但是产品真正应用的时候会遇来自不同地区、医院、厂家设备的数据,这对模型泛化性能是一个巨大的挑战”。

  高鹏出鞘了第三把“剑”——基于Cycle-GAN的模型跨域自适应工具。“我们发现医疗影像中结构信息很关键,因此对Cycle-GAN进行改进,加入SSIM结构保真损失函数,取得了很好的效果。”这项技术,最终帮助平安科技在EAD2019 国际竞赛中,夺取了模型泛化任务冠军”。

  第四把剑更接近高鹏的理想。在模型部署阶段,如何通过剪枝、量化等模型压缩技术,得到尺寸更小,速度更快的推理模型是核心问题。对此,高鹏和战友们自主研发了一款面向AutoML的深度学习框架SFE(赛飞)AI算法平台,其核心是一种稀疏化(Sparse)的分形结构(Fractal)神经网络,可针对特定问题自动演化(Evolution)。

  赛飞到底有多牛?还得拿事实说话。 8 月初,在国际顶级自然语言处理会议EMNLP举办的COIN2019 文本理解大赛上,平安智慧医疗联合上海交通大学团队又拿下一个世界第一。AskBob文本理解技术和赛飞AI算法平台作为两项核心技术,尤其是后者,帮助平台的并行模型训练将XLNet的训练速度提高了 12 倍。一场数度和质量的比拼,又以取胜之资完成了较量。

  显而易见,AI在各领域的应用越来越广泛,在服务完经济之后,平安额吉将AI研发重心聚焦在医疗、教育等民生领域,力求以科技推动我国医疗水平的不断提高。

本文由站长之家用户投稿,未经站长之家同意,严禁转载。如广大用户朋友,发现稿件存在不实报道,欢迎读者反馈、纠正、举报问题(反馈入口)。

免责声明:本文为用户投稿的文章,站长之家发布此文仅为传递信息,不代表站长之家赞同其观点,不对对内容真实性负责,仅供用户参考之用,不构成任何投资、使用建议。请读者自行核实真实性,以及可能存在的风险,任何后果均由读者自行承担。

声明:本文转载自第三方媒体,如需转载,请联系版权方授权转载。协助申请

相关文章

相关热点

查看更多