1000
深度學習在醫療方麵的應用 精準醫學受追捧
隨著技術的方法和計算能力的增強，深度學習在醫療領域的應用越來越廣泛，以前製約深度學習的條件逐漸得到了解決，尤其是人們意識到，以前的神經網絡，需要研究人員對問題進行深入的研究，提取出問題的關鍵屬性，然後才是設計合適的神經網絡，然後訓練神經網絡來解決這個問題。
醫療健康.jpg
目前深度學習神經網絡已經有成熟應用的算法，主要有以下幾種：卷積網絡CNN、RNN。其中卷積神經網絡主要用於圖像處理領域，因為在圖像識別過程中，圖片中物體在圖片中的位置、姿態，都會影響識別的效果，經過卷積操作，可以對圖片中的物體進行大小、位置、角度方麵的處理，進行歸一化，從而提高圖片的識別率，例如采用6層卷積網絡，對MNIST的6萬多張手寫數字圖片進行識別，識別準確率可以達到98%以上，甚至超過了人工的識別率。而RNN網絡，就是將神經元的輸出，重新作為輸入，從而影響神經網絡的最終行為。RNN網絡更多應用於語音識別，因為在語音識別中，需要根據前一個單詞來判斷當前單詞，而RNN網絡正好可以滿足這個特性。
目前深度學習研究中，最熱的領域莫過於產生式網絡，如自動編碼器、深度信念網絡等。這些網絡都用了限製性波爾茲曼機（RBM），先通過這種非監督學習網絡，利用其隱藏層作為提取的特征，通過使網絡能量函數達到最小，可以認為是所研究問題的特征，然後通過堆疊多層限製性波爾茲曼機（RBM），提取出一係列問題特征，最後再用監督學習算法，使問題得到最終解。
近年來，精準醫學越來越受到追捧。我們知道，人類基因組有64億個堿基對，通過對這64億個堿基對的研究，可以從病理根源來確定診斷疾病，以及確定相應的靶向治療方案。在精準醫學中，基因測序技術又是其核心。朗銳慧康（www.lrioh.com）認為深度學習裏邊的RNN網絡，正是可以在基因分析領域大顯身手，期待有這方麵劃時代的成果出現。
深度學習在醫療中將有非常廣泛的應用，目前醫改中最難啃的硬骨頭是分級診療，由於基層缺乏高水平的全科醫生，老百姓不願或不敢到基層醫療機構去看病，而養高水平的全科醫生，優質醫療資源下沉到基層，不是遠水解不了近渴就是違備客觀規律而難以推動下去。而深度學習在醫學診斷方麵的應用，可以迅速提高基層醫生的診療水平，使老百姓可以放心地到基層醫療機構就醫，具有非常巨大的應用前景。
最後更新：2017-10-23 11:04:44