人工智能医疗器械领域。
大家好，七月是一个新的开始。从今天开始我除了继续跟踪最新的欧盟医疗器械、法规动态和指南解读，我会开始尝试一些新的话题，例如基于人工智能的医疗器械、手术机器人、医疗器械相关的网络安全和功能安全等。今天我就从人工智能开始开个头。
人工智能是一门计算机科学的一个分支，是一门研究机器智能的学科界，用人工的方法和技术研究智能机器或智能系统来模拟、延伸和扩展人的技能，实现智能行动。对人工智能本质的不同理解形成了人工智能多种不同的研究途径。主要是符号主义和联接主义。联接主义既是人工神经网络，其本质是认为人类智能的基础单元是神经元，人类的认知过程是网络中大量神经元的整体活动，并且是以并行的方式分步进行。
区别于符号主义、人工神经网络不存在带符号的运算。从20世纪五六十年代开始，研究人员结合多科学的研究成果开发出了一批神经网络，然后用计算机进行模拟。其中比较著名的有Hopfield神经网络、Boltancn模型和多层神经网络以及相应的back Back Propagation 算法，简称BP算法。
在BP算法的基础上，对深层网络开发出来的deeplearning深度学习算法。把陌生learning机器学习带入了一个全新的领域。Deep learning最早兴起于图像识别，但短时间内已经推广到了机器人、搜索引擎、医学诊断等各个领域。目前各大科技公司都投入了大量资源进行deep learning，工具和平台的开发。
为deep learning的普及和更大的模型的支持起到了推波助澜的作用。人工智能和机器学习等相关能力的潜在应用在医疗保健行业有着巨大的前景。通过利用先进的算法和日常使用中产生的大量数据支持，基于人工智能的医疗器械和医疗器械软件可以迅速的适应新的信息和不断变化的条件，从而实施优化性能。这些优势可以大大改善患者的治疗效果，从而降低成本，并使各地的整体医疗质量得到大幅提高。
对医疗器械领域而言，基于人工智能的医疗器械数据。
利用人工智能技术的医疗器械包括人工智能独立软件和人工智能软件组件。人工智能技术在医疗器械的应用主要包括前处理，例如成像速度的提升、流程优化，例如一键操作、常规后处理，例如图像分割、辅助决策，例如辅助筛查、辅助识别、辅助诊断、辅助治疗等方面，能够提高诊治的准确率和效率，降低医生误诊、漏诊率和工作强度，具有良好的临床价值和应用前景。
Deep learning辅助决策，医疗器械软件是基于医疗器械，数据如医疗器械所生成的医学图像、医学数据使用的Deep learning技术进行辅助决策的软件。
这期就到这里了，下期我可以讲讲欧盟近期发布的草稿版的人工智能法案，大家下期见，看完一定要点击关注支持我一下，谢谢啦！
