当前位置:主页 > 科技 > 文章内容

疾管家背后推手 DeepQ 以 AI 软硬平台整合,协助医师开发 AI 影像应用

日期:2020-07-24 浏览:

这波武汉肺炎疫情,疾病管制署的谈天机器人"疾管家"饰演为民众破除不实谣言的重要任务,而幕后的推手,是由 HTC 转投资的康健医疗事业部 DeepQ , DeepQ 是一家全方位的 AI 医疗解决方案供,自若谈天机器人的自然语意处置 NLP ,或是 AI 影像医学等,皆是 DeepQ 善于的领域,DeepQ 亦针对大型医疗院所投入 AI 的需求,计划一套软硬整合平台,协助有志投入 AI 影像手艺的医师,能在不需学习深度 AI 手艺之下,完成 AI 影像手艺的开发与属下。

DeepQ 看到当前的医疗系统难以具备兼具医疗靠山与 AI 手艺的跨领域人才,纵使拥有两支差别的团队,在相同协作也常因专精领域差别难以杀青共识,故投入针对医疗影像之 AI 模子训练的平台开发。

DeepQ 的硬体架构,是以普遍大型医学中央能够肩负的 NVIDIA DGX 做为基础,以自身所开发的 AI 框架作为辅助, 以一套简朴操作的平台,使医师只要准备好用于训练的质料,即可作为 AI 使用者的因素培训 AI 模子。

虽然使用 NVIDIA DGX 平台投入 AI 医疗影像的新创公司相当多,不外 DeepQ 的窍门则在于连系迁徙式学习的观点,由于医疗影像相较民生的影像辨识素材取得不易,故在训练 AI 医疗影像辨识模子最大的难题就是提供 AI 丰裕的有用素材。

DeepQ 借由迁徙式学习观点,使 AI 影像判读模子先以拥有大量影像资料的 ImageNet 完成基础训练,让模子具备高准确的通用影像辨识能力,尔后再使用医疗影像素材,使训练好的 AI 模子能把履历转换到同为影像的医疗影像判读。可说 DeepQ 的手艺观点有点类似专注于医疗影像领域的 AutoML 平台,只是把领域专注在医疗影像的判读上。

▲ DeepQ 借由迁徙式学习的方式,使 AI 模子先完成通用影像辨识训练后再转移到医学影像训练

同时 DeepQ 提供一套自动化的训练与实作平台,医师可在软体介面举行资料的上传、符号与训练,在单一平台完成专案计划、建置与影像符号,医师亦可使用一部门素材举行预训练,做为评估此领域的 AI 医疗影像辨识是否有继续投入开发的价值。

针对各医疗院所差别的架构想法,除了可搭配 DGX 自建系统外,亦可搭配其他接纳 NVIDIA DGX 加速的平台,或式借由具备 NVIDIA GPU 的云平台举行训练; DeepQ 的自动训练系统也在实战中有精彩的成就,去年加入国网中央的台湾 AI 云 TWCC 计画,相较多组医疗影像辨识手艺, DeepQ 的自动训练效果甚至优于科学家手动举行训练的平均水准。

至于在自然语言处置的部门,除了疾管家, DeepQ 也协助多家医疗院所导入专为医疗领域的谈天机器人,像是彰化基督教医院的兰医师亦使用 DeepQ 的自然语言处置手艺; DeepQ 将医疗常用的要害文字,再连系台湾在地语言举行训练,使这些医院的谈天机器人能够真正明白台湾人的医疗相关词汇,使谈天机器人能够在第一线与患者以及患者家族的相同施展价值。

猜你喜欢

-------------------------

Allbet

欢迎进入allbet欧博官网。allbet欧博官网开放ALLBET欧博真人客户端、Allbet代理网页版、Allbet会员网页版、Allbet会员注册、Allbet代理开户、Allbet电脑客户端下载、Allbet手机版下载等业务。