本文是騰訊2020暑期犀牛鳥研學營第四課鄭冶楓老師分享的“醫療AI在抗擊新冠肺炎中的應用:騰訊醫療的抗疫故事”的筆記。
AI輔診
讀懂病曆(病曆結構化)
基于子症狀網絡的疾病預測
挑戰:
1. 缺乏訓練資料
· 個人隐私和對專業裝置的要求,圖像擷取難
· 罕見疾病
· 專業醫生才能标注
2. 跨中心泛化能力差
· 裝置差異。從某一醫院擷取的資料在另外的醫院不一定有效。
· 掃描參數差異
· 疾病狀态差異。重症-輕症狀态不同。
· 人群差異
3. 準确度要求高
病竈通常隻占一小塊區域,容易漏檢。
小樣本學習
模型:Med3D
遷移學習:解決小樣本學習的問題
基于神經網絡的遷移學習:預訓練+微調
模型:Rubik's Cube++
基于魔方變換的自監督學習
風格遷移
VideoGAN