香港大学工程项目精英团队开发优化算法 提升人工智能技术医药学图像分析技术性

香港大学工程项目精英团队开发优化算法 提升人工智能技术医药学图像分析技术性 4月12日电 据香港商报网报导，港大工程学校的分析团体开发设计一种新人工智能技术运算方式，可以从数十万份X射线影象汇报中全自动获得监管数据信号来练习预测模型，大幅度简省人工成本达90%，其预测分析的精确度更超过用全由每人必备标明的数据信息练习人工智能技术医药学图象诊断模型。

香港大学工程学校电子信息科学系专家教授俞益洲指，人工智能技术促进的医药学影像确诊具有发展潜力，可以缓解医生专家的劳动量及提升确诊高效率和精确性，包含节约确诊時间及检验一些不容易觉察的出现异常征兆。

据统计，该方式运用人工智能技术立即从文字汇报中学习培训X射线特点表述。它与比较严重依靠每人必备标明的传统的方式 对比可全自动从文字汇报中的每一个词获得监管数据信号，用于练习人工智能技术神经元网络精准讲解X射线影象。

俞益洲坚信医师编写的X射线影象汇报中抽象化而繁杂的逻辑判断句子，可以为练习X射线影象的視覺特点给予充分信息内容。

除此之外，科学研究精英团队运用公布数据库查询37万分X射线影象和文字汇报做为练习实体模型的基本，包含14种胸肺有关病症包含肺实变、心脏肥大、胸腔积水、新冠肺炎和气胸等诊疗确诊数据信息；精英团队仅应用100张X射线影象便创建一个基本比较满意的X射线影象鉴别实体模型，其预测分析精确度达83%。当应用的影象提升到1000张，实体模型的预测分析精确度达88.2%，超过用放射科医生标明10000张X射线影象开展锻炼的实体模型(87.6%)。而当练习影象提升到10000张，实体模型精确度做到90.1%；预测模型精确度达85%以上已能作具体疾病诊断运用。

毕业论文第一作者周洪宇指科学研究精英团队运用该方式取得成功地将数据标注量减少90%，进而减少项目成本并一起提升数据处理方法量和速率、预测分析精确度也是有提升，这为完成通用医疗人工智能技术迈开关键一步