吴恩达人工智能公开课笔记吴恩达人工智能公开课里开源软件

小八 • 2022年12月15日 am8:41 • 元宇宙

BAIDU_CLB_fillSlot(“557705”);

　　近来，一组由吴恩达博士带领的斯坦福研究人员开发了一个新的机器学习模型，通过心电图来判断患者是否心律不齐，其效果甚至已经超过了人类专家。

本文引用地址：

　　这一可自动作出诊断的新方法对于日常医疗意义重大，它可以帮助人们对可能致死的心律不齐的症状做出更好的判断，防患于未然。此外，它还能够在医疗资源较为匮乏的地区提供良好的医护服务。

　　看来吴恩达从百度离职以后加入Drive.ai，也对人工智能在医疗上的应用产生了兴趣。

　　近年来，科学家们已经发现了通过分析医疗影像，机器学习在治疗诸多疑难杂症中所发挥的宝贵价值，如皮肤癌、眼科疾病和乳腺癌。

　　“看到人们能这么迅速地转变观念，接受深度学习在某些垂直医疗领域可以做出比专业医师更为准确的诊断的事实时，我感到相当欣慰。”吴恩达在一封电子邮件中这样说道。此外他还补充到，看到研究人员已经开始开拓医疗AI在除了以心电图为代表的图像数据之外新领域的应用，也十分令人激动。

　　在今年三月从百度离职后，吴恩达博士已经回到了斯坦福来继续进行自己的学术研究。

　　斯坦福大学的研究团队训练了一个用来甄别心电图数据中各式各样不规则心跳的机器学习算法。部分心律不齐现象可以导致心脏骤停在内的诸多严重健康问题，但是这些信号通常难以捕捉，病人们不得不连续数周佩戴心电图监测器以确保安全。

　　重要而坑爹的一点是，由于心律不齐自身的特性，很多时候医术高超的医生也很难在良性和恶性心率不稳中做出判断。

　　与心电图设备制造商iRhythm合作

　　研究团队和可携带心电图设备制造商iRhythm达成了合作，他们从患有各类心律不齐的病人身上收集了三万份长达30秒的心电图数据。

　　为了评估算法的准确性，团队还请来了五位不同背景的心血管专家，让他们和AI对300份未经过检测的数据进行判断。科学家从中抽取了三位专家的结果作为参考。

　　深度学习包含了将大量数据填充到庞大复杂的模拟神经网络之中的过程，并不断优化直到能准确识别有问题的心电图信号。

　　该方法在识别复杂图片和音频的过程中已经发展得十分成熟，产生了表现优于人类的语音识别和图像识别的产品。这么来看，将深度学习技术转移到医疗图像的识别上，显得再自然不过了。

　　用来收集数据的便携心电图设备

　　身兼微软搜索部门主管、职业医师和机器学习专家三个身份的Eric Horvitz提到，来自MIT和密歇根大学(University of Michigan)的另外两个团队也在专攻利用机器学习诊断心律不齐这个难题上。

–>

本文紧供阅读参考，请自行核实其真实性。发布者：小八，转转请注明出处：https://www.80xun.com/metaverse/26138.html

吴恩达人工智能公开课笔记 吴恩达人工智能公开课里开源软件