宫恩浩:深度学习技术在医疗健康行业的新进展


深度学习技术在医疗健康行业的新进展
主讲人:斯坦福大学电子工程系博士 宫恩浩

 


深度学习广泛应用在各个领域中,从自动驾驶、阿法狗,到基于深度学习的药物设计、疾病检测,深度学习无处不在

 


深度学习为医疗健康行业带来变革:

 

  • 临床检测
  • 医学影像
  • 电子病历
  • 管理分析
  • 基因组学
  • 个性化医疗
  • 药物发展
  • 移动医疗

 

 


深度学习可以应用到医疗临床检测与诊断各个环节中

 

  • 医学检测采集
  • 检测结果
  • 医学图像
  • 医学影像处理
  • 医学影像分析
  • 病变区域检测
  • 辅助疾病诊断
  • 治疗与愈后

 


深度学习可以应用到医疗临床检测与诊断各个环节中

 

• 智能诊断是普遍认为的热点
• 但它其实只是深度学习/人工智能的临床应用的一部分
• 各个环节相辅相成

 

 


深度学习技术预测检测条目

 

• 搜集海量临床病征+检测操作数据
• 通过深度学习训练预测检测条目和顺序
• 根据大量人工操作数据,自动化医学影像采集
• 医疗检测中的自动驾驶技术

 

 

 

 


深度学习技术提高医学影像效率与质量

 

提高图像质量:降噪、高分辨率成像
• 8分钟脑部检查加快到1-2分钟(MRI)
• 应用:快速检查(脑卒中等应用)
提高图像质量:低放射性、低剂量成像
• 减小200倍放射性(CT/PET)
• 应用:低风险筛查(癌症)

 

 

 

 

深度学习技术智能病变检测

 

• 肺癌肺结节检测
• 病理片检测
• 乳腺癌检测
• 皮肤癌检测
• 视网膜病变检测

 

 

 


深度学习技术推动治疗方案支持

 

通过数据推测治疗效果:
• 应用:脑卒中治疗策略效果预测
• 预测靜脈溶栓对缺血性脑卒中治疗效果
• 优化医疗策略
• 避免过度医疗

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 


深度学习在医疗健康领域的挑战

 

用可视化方法显示理解网络学习特征
• 不同层特征表达不同层次的信息
• 深度学习为传统(人类)学习带来新的启发
• 柯洁:
• AlphaGo 的理念在冲击和改变我们对围棋的认识
• 医疗:
• 读图重点区域提示
• 新的影像学特征
• 新的药物使用方式

 


如何让医生理解算法,让病人相信算法?

 


在深度学习、可穿戴传感器、物联网、临床检测、基因组等技术共同推动下,医疗大数据让精准医疗成为可能

 

 

 

 

沪公网安备 31010702002009号