人工智能醫療器械領域。
大家好，七月是一個新的開始。從今天開始我除了繼續跟蹤最新的歐盟醫療器械、法規動态和指南解讀，我會開始嘗試一些新的話題，例如基于人工智能的醫療器械、手術機器人、醫療器械相關的網絡安全和功能安全等。今天我就從人工智能開始開個頭。
人工智能是一門計算機科學的一個分支，是一門研究機器智能的學科界，用人工的方法和技術研究智能機器或智能系統來模拟、延伸和擴充人的技能，實作智能行動。對人工智能本質的不同了解形成了人工智能多種不同的研究途徑。主要是符号主義和聯接主義。聯接主義既是人工神經網絡，其本質是認為人類智能的基礎單元是神經元，人類的認知過程是網絡中大量神經元的整體活動，并且是以并行的方式分步進行。
差別于符号主義、人工神經網絡不存在帶符号的運算。從20世紀五六十年代開始，研究人員結合多科學的研究成果開發出了一批神經網絡，然後用計算機進行模拟。其中比較著名的有Hopfield神經網絡、Boltancn模型和多層神經網絡以及相應的back Back Propagation 算法，簡稱BP算法。
在BP算法的基礎上，對深層網絡開發出來的deeplearning深度學習算法。把陌生learning機器學習帶入了一個全新的領域。Deep learning最早興起于圖像識别，但短時間内已經推廣到了機器人、搜尋引擎、醫學診斷等各個領域。目前各大科技公司都投入了大量資源進行deep learning，工具和平台的開發。
為deep learning的普及和更大的模型的支援起到了推波助瀾的作用。人工智能和機器學習等相關能力的潛在應用在醫療保健行業有着巨大的前景。通過利用先進的算法和日常使用中産生的大量資料支援，基于人工智能的醫療器械和醫療器械軟體可以迅速的适應新的資訊和不斷變化的條件，進而實施優化性能。這些優勢可以大大改善患者的治療效果，進而降低成本，并使各地的整體醫療品質得到大幅提高。
對醫療器械領域而言，基于人工智能的醫療器械資料。
利用人工智能技術的醫療器械包括人工智能獨立軟體和人工智能軟體元件。人工智能技術在醫療器械的應用主要包括前處理，例如成像速度的提升、流程優化，例如一鍵操作、正常後處理，例如圖像分割、輔助決策，例如輔助篩查、輔助識别、輔助診斷、輔助治療等方面，能夠提高診治的準确率和效率，降低醫生誤診、漏診率和工作強度，具有良好的臨床價值和應用前景。
Deep learning輔助決策，醫療器械軟體是基于醫療器械，資料如醫療器械所生成的醫學圖像、醫學資料使用的Deep learning技術進行輔助決策的軟體。
這期就到這裡了，下期我可以講講歐盟近期釋出的草稿版的人工智能法案，大家下期見，看完一定要點選關注支援我一下，謝謝啦！
