文档建议反馈控制台
首页
学习
活动
专区
圈层
工具
MCP广场
文章/答案/技术大牛
发布

病人是否有生命危险？机器学习告诉你——专访南加州大学终身教授刘燕

【编者按】由中国人工智能学会、阿里巴巴以及蚂蚁金服联合主办，CSDN、中国科学院自动化研究所承办的第三届中国人工智能大会（CCAI 2017）将于7月22-23日正式召开。...刘燕，南加州大学计算机系终身教授、机器学习中心主任。她在卡内基梅隆大学获得计算机硕士及博士学位。2006年-2010年在IBM研究院担任研究员。...收集到病人有关时间序列的一些基础数据，如病人的体温、心率、血氧量等之后，我们用深度学习的方法预测这些患者在急诊室里的病情，比如病人是否还需要呼吸机，病人在24小时内是否有生命危险等。...对于病人未来24小时之内是否有生命危险的判断，我们的研究已经能够达到80%-90%的准确率，相比现在最先进的技术，准确率有20%-30%的提高。 癌症患者生存时间的预测。...像糖尿病这种长期的病，我们通过测血糖的仪器或者可穿戴设备获取病人日常行为的时间序列数据，通过分析去控制患者病人的饮食情况和运动情况。 止痛药的剂量判断。

72940

机器学习VS放射科医生

他们之所以选择肺炎，是因为这种病特别难用X光确诊，但每年大约有100万美国人患病。 在一周内，研究人员开发出名为CheXnet的算法。...去年十二月，我十八岁的儿子到斯坦福急诊室就诊。他发着高烧并咳嗽。 医生怀疑他感染肺炎，所以安排了X光胸片检查。 但片子结果被认为是阴性的，所以儿子在医院输液后，领了一些发烧药，就回家了。...一周后，他再次回到急诊室。这次，他感到晕眩，体温比上次就诊时还要高，而且他对退烧药没有反应。但是，他的胸部X光片仍然为阴性。医生进行了所有可以想到的疾病测试，但还是没能确认病因。...确诊之后，抗生素在24小时内立即发挥功效。 下一次，如果我再带孩子去医院急诊室，我会直接要求咨询CheXnet。

1K60
    • 您找到你想要的搜索结果了吗？
    是的
    没有找到

    CCAI 2017 | 病人是否有生命危险？机器学习来告诉你——专访南加州大学终身教授刘燕

    刘燕，南加州大学计算机系终身教授、机器学习中心主任。她在卡内基梅隆大学获得计算机硕士及博士学位。2006年-2010年在IBM研究院担任研究员。...收集到病人有关时间序列的一些基础数据，如病人的体温、心率、血氧量等之后，我们用深度学习的方法预测这些患者在急诊室里的病情，比如病人是否还需要呼吸机，病人在24小时内是否有生命危险等。...我们主要是做这些在急诊室里的数据分析，看病人的健康状况，帮助医生做诊断以及治疗。...对于病人未来24小时之内是否有生命危险的判断，我们的研究已经能够达到80%-90%的准确率，相比现在最先进的技术，准确率有20%-30%的提高。 癌症患者生存时间的预测。...像糖尿病这种长期的病，我们通过测血糖的仪器或者可穿戴设备获取病人日常行为的时间序列数据，通过分析去控制患者病人的饮食情况和运动情况。 止痛药的剂量判断。

    75561

    独家 | 对Fisher信息量的直观解读

    这是一个泊松过程的模拟，它模拟了一家医院急诊室每小时患者到达人数的情况。...图：对医院急诊室到达的病人数量的泊松过程模拟（图片来源：作者） 在这个样本中，随机变量（我们称其为y）表示每小时的患者到达人数。由于y是一个离散随机变量，它肯定遵循某个概率质量函数（PMF）。...现在，假设你观察到在某个小时内，有一定数量的患者走进急诊室。比如说，y=20。那么，要是能知道y包含的有关总体的真实平均速率λ0的信息量，对我们来说肯定非常有用。...似然函数关于θ的变化率 图：L(λ/y)关于λ求偏导的绝对值（图片来源：作者） 我们通过将观测值y固定为一小时内观测到10次事件，构建了上图，图中所表现的是以下值关于平均速率的变化： 图：L(λ/y...这很合理，因为对数似然函数的偏导数始终是针对随机变量的特定观测值y=y计算的。例如，在泊松分布这个例子中，我们计算的是某个小时内观察到10 个事件（y=10）对应的值。

    2.7K10

    大数据在医疗领域的七大应用

    例如，美国疾病控制与预防中心（CDC）一直利用大数据对抗埃博拉病毒和其他流行病。CDC的大数据试验项目BioMosaic实时整合人口数据、健康统计数据和人口迁移状况，以便对流行病进行追踪。...该机构已成功将BioMosaic作为预测、测试和锁定疾病的工具，它能够追踪潜在的疾病爆发，并就如何遏制潜在的流行病提出建议。 这只是大数据在医疗领域的众多应用之一。...循证医学：大多数医院和急诊室都实行“食谱化医学”，也就是说，医生对收治的病人采用同一套检查项目来确定病因。而利用循证医学，医生可以将病人的症状与庞大的患者数据库进行比对，从而更快地做出准确诊断。...以纽约州韦斯特切斯特县的Westmed Medical Group为例，该诊所的医生从1996年的16人增加到现在的250人，就医人数达到25万，年收入为2.85亿美元。

    1.5K60

    Fast.ai两创始人联合发文，用数据科学解读新冠，被喷蹭热度，Jeremy：我绝望了

    迅速进入急诊室几乎可以肯定挽救了她的生命。 现在，让我们讨论一下新冠病毒，以及在未来几周和几个月内，处于瑞秋这样的局势中的人们可能会发生什么。发现感染新冠病毒的人数每3至6天翻一番。...例如，在一周前的意大利官员说一切都很好的情况下，现在已经有1600万人被封锁（更新：发布此消息后6个小时，意大利将整个国家封锁），并建立了这样的帐篷来帮助患者涌入： ?...对数增长是指实际中流行病传播的“S形”增长模式。显然，指数增长不可能永远持续下去，不然受感染的人数将超过世界上的人数！因此，最终感染率必然降低，导致随时间推移呈S形（称为Sigmoid）增长速度。...这段时间似乎并不长，但是将其与那段时间的感染人数进行比较，则意味着当你注意到医院的病床已满时，总感染人数已经比就诊人数的增加了5-10倍。...询问每小时支付的60％的美国劳动力，在有需要的时候请假有多容易。 美国劳工统计局显示，在收入最低的阶层中，只有不到三分之一的人可以享受带薪病假。 ?

    69200

    大数据时代的小数据

    可是我最近看《美国计算机学会通讯》（CACM）上面提到了几次小数据，我觉得大家也有必要了解一下这个有趣的概念。 什么是小数据？小数据就是个体化的数据，是我们每个个体的数字化信息。...到急诊室检查的时候，不管是测脉搏还是查病历，这个90岁的老人都没有表现出特别明显的异常。可事实上，追踪他每时每刻的个体化数据，他的生活其实已经明显与之前不同。...人们爱说，大数据将改变当代医学，譬如基因组学、蛋白质组学、代谢组学等等，不过由个人数字跟踪驱动的小数据，也将有可能会对个人医疗带来变革，特别是当可穿戴设备更成熟后，移动技术将可以连续、安全、私人地收集并分析你的数据...对于慢性病、抑郁症、记忆力衰退和克罗恩病，很需要日常活动变化的数据。大数据一般是从一个大N的种群里面取得的，而小数据n=me。我们需要数据解放，把移动和网络服务的数据解放到你我自己。...闵应骅；中国科学院计算技术研究所研究员、美国电子电气工程师协会会士（IEEE Life Fellow） 根据闵应骅口述，李斐然撰文

    885110

    用深度学习检测冠心病：不依赖血管造影且成本下降25%

    心脏病极易摧毁生命的原因之一检测困难，尤其在女性身上。目前的检测方法大多依赖血管造影，造价高昂且侵略性强。 最近，个性化医疗技术公司HeartFlow用深度学习的方法找到了更好的解决方案。 ?...“当急诊室里的病人疑似冠心病症状时，他们需要快速诊断。”HeartFlow工程部高级副总裁Leo Grady说。 HeartFlow用深度学习的方法解决了这个痛点，即用新型血管特异性结构分析血流。...HeartFlow应用的计算机视觉算法通过理解CT扫描中的医学影像数据，分析并构建患者心脏和冠状动脉的个性化3D模型。 不过，生成出模型可不是终点，还需要修正和评测。

    1K50

    从HoloLens到AI辅助结核病治疗，17年AI在医疗领域几个最重要的应用突破

    从HoloLens到AI辅助结核病治疗，新科技正在给医疗健康领域带来的前所未有的变革。 HoloLens 和医疗健康 微软的增强现实可穿戴计算机HoloLens首次亮相即受好评。...作为计算技术的未来，微软公司推出了HoloLens技术和全息计算技术，将全息图投影到佩戴者的视野中。这个“未来”大大提高了罗奈特（Nate Lowe）目前的生活质量。...除了治疗单个基因功能障碍导致的疾病之外，研究人员正在试图用这些治疗方法来治疗更常见的疾病，如阿尔茨海默病，糖尿病，心力衰竭和癌症。...人工智能在偏远地区被用来帮助检测结核病，而且因为结核病有治疗方法，通过人工智能准确诊断最终可以减少疾病的死亡率。...IBM Watson Health结合MedyMatch Technology将AI带到急诊室， AI技术与患者数据和临床见解相结合，使AI能够主动突出显示患者大脑中可能脑出血的区域。

    89020

    Fastdata极数：2023年中国血糖健康管理行业白皮书

    糖尿病是全球患病率最高的慢性病之一，据IDF世界糖尿病报告指出，糖尿病患者基数庞大，糖尿病患者人数从1980年的1.08亿增加到2021年的5.37亿。...2021年中国糖尿病报告患者人数达1.41亿人，占全球报告患者总人数的26.3%，且国内糖尿病患病率持续上升。随着未来人口老龄化趋势加深，糖尿病患病人数将持续增加。...糖尿病易引起多种并发症，治疗重视急需提升。糖尿病是诱发失明、肾衰竭、心脏病、中风和下肢截肢等疾病的主要原因。2000年至2019年间，按年龄划分的糖尿病死亡率增加了3%。...2019年，糖尿病引起的糖尿病和肾脏疾病估计导致200万人死亡。健康的饮食，定期的体育锻炼，保持正常的体重和避免吸烟是预防或延缓糖尿病发作的方法。...2021年全球糖尿病医疗开支达到9660亿美元，相比于过去15年上涨了约316%；国内糖尿病医疗开支达到1653亿美元，预计2030年达到1850亿美元，无论对于传统医疗企业还是新兴创业都拥有巨大的市场机会

    52420

    在救命这件事上，AI开始做医生做不到的事了。

    而有一个跟它几乎一样症状的病，叫心梗，也就是急性心肌梗死。 这玩意，也是一个紧急程度不亚于主动脉夹层的病，发起病来，更要命。...我对这个两个病之所以有一些了解，就是因为去年我的外公去世，就是心梗走的，但是具体的，我一直没太敢问我的家里人，怕勾起一些很不好的回忆，所以我自己查了很多的资料。 心梗致死的速度有多快呢？...我说出这个故事，并不是为了希望获得安慰还是什么，我只想告诉大家，像心梗和主动脉夹层这种病，带走一条鲜活的生命，有时候，只需要一天半的时间。...所以这就是急诊室里最要命的生死赌局。 要么花很多的时间去做检查，不断的缩小范围，要么医生只能靠之前的并发症和经验去猜，去赌最可能的那个答案。...主动脉夹层患者的平均确诊时间为4.3小时。但其实4.3小时都算快了，临床中还有不少因为症状不典型或者因为其他并发症误导了诊疗方向的患者，需要更长的时间才能被发现夹层。 1.7小时对比4.3小时。

    35910

    业界 | 开发新医疗应用前，工程师们应该多花点时间在医院里

    大数据文摘出品 编译：张秋玥、倪倪、Aileen 作为急诊室医生，Richard Zane经常会思考软件能够如何帮助患者。这里的难题在于工程师和医生来自不同的世界。...目前，这需要他们观察Zane如何使用计算机和其他软件工具来记录工作并做出决策，但要将开发人员与手术环境隔离，并且要确保他们无法得到患者信息。...来自加州大学旧金山分校的心脏病专家Greg Marcus说：“布兰登几乎为我们全职义务工作了一年，与我们一起参加研究会议，并且作为回报他为我们开展数据科学项目。”。...一般来说，他们并没有在患者身上花费多少时间——他们的时间更多地被浪费在所谓的“桌面医学”上：即在诊所度过漫长的一天后在电脑前进行数小时的记录工作。

    52510

    新冠病毒爆发如何预防？用Python模拟病毒应对策略（附代码）

    如果疾病不是在武汉，而是在另一座人口规模更小、人口流动也更弱的城市，它的传染性和感染人数，又会是怎样的故事？ 在这篇文章中，我们将讨论当流行病袭击一个城市时产生的影响和应对措施。...现在，假设一种流行病在城市的任意地点爆发。它将如何传播？我们能做些什么来控制它？ 02 流行病学建模 为了回答这些问题，我们将用Python建立一个简单的房室模型来模拟传染病在城市中的传播。...当一种流行病爆发时，其传播动力会有显著变化，这取决于最初感染的地理位置及其与城市其他地区的连接性。这是最近关于城市人口流行病的数据驱动研究得出的最重要见解之一。...），还要减去从其他地方来到j地的感染者数，这些外来的感染者通过其传输率进行加权计算（第一个方程的第三部分）。...接下来，我们需要每个250×250m网格单元的人口计数，通过按比例缩放提取的流量计数来近似计算，从而使不同位置的总流入量之和接近埃里温市110万人口的一半。这是一个大胆的假设，但对结果影响不大。

    1.9K20

    如果新冠病毒是在亚美尼亚爆发会发生什么？程序员用Python进行模拟

    此外，一些关键的流行病学指标，如基本再生数(一个感染者传染的平均人数，即R0值)仍然未知。当今时代，全球互联，这类流行病更是借势成为全球范围内的重大威胁之一。...现在，假设一种流行病在城市的任意地点爆发。它将如何传播？我们能做些什么来控制它？ 流行病学建模 为了回答这些问题，我们将建立一个简单的房室模型来模拟传染病在城市中的传播。...当一种流行病爆发时，其传播动力会有显著变化，这取决于最初感染的地理位置及其与城市其他地区的连接性。这是最近关于城市人口流行病的数据驱动研究得出的最重要见解之一。...，这些外来的感染者通过其传输率进行加权计算（第一个方程的第三部分）。...接下来，我们需要每个250×250m网格单元的人口计数，通过按比例缩放提取的流量计数来近似计算，从而使不同位置的总流入量之和接近埃里温市110万人口的一半。这是一个大胆的假设，但对结果影响不大。

    62820

    如果新冠病毒是在亚美尼亚爆发会发生什么？程序员用Python进行模拟

    此外，一些关键的流行病学指标，如基本再生数(一个感染者传染的平均人数，即R0值)仍然未知。当今时代，全球互联，这类流行病更是借势成为全球范围内的重大威胁之一。...流行病学建模 为了回答这些问题，我们将建立一个简单的房室模型来模拟传染病在城市中的传播。 当一种流行病爆发时，其传播动力会有显著变化，这取决于最初感染的地理位置及其与城市其他地区的连接性。...在时间t的每个位置i，其三个房室如下： Si,t：尚未感染或易感的人数； Ii,t：感染疾病并有能力将疾病传播给易感人群的人数； Ri,t: 由于康复或者死亡，在被感染后从受感染组中移除的人数。...，这些外来的感染者通过其传输率进行加权计算（第一个方程的第三部分）。...接下来，我们需要每个250×250m网格单元的人口计数，通过按比例缩放提取的流量计数来近似计算，从而使不同位置的总流入量之和接近埃里温市110万人口的一半。这是一个大胆的假设，但对结果影响不大。

    61120

    李飞飞谈AI：现在是入行好时机，人工智能+医疗有怎样的机会？

    问：你提到，计算机视觉，即计算机如何识别和理解图像，将成为人工智能未来发展的技术基石。那么能否解释一下，为什么计算机视觉是核心？ 李飞飞：我们可以借鉴自然界的例子。...仅仅对于YouTube，每60秒钟就有数百小时的视频上传至其服务器。因此与动物界类似，视觉将成为机器智能发展最主要的推动力量。...这是一种信息和数据的全新计算方式，而计算能力对所有公司来说都是必要的。我看好人工智能在医疗行业的潜力，因为我认为，人工智能将给所有人，而不仅仅是少数精英带来帮助。 在医疗行业，我尤为看好两方面应用。...我们已经看到，人工智能可以更好地预测糖尿病眼病，以及帮助病理学家发现乳腺癌。基于人工智能的医疗诊断可以成为不知疲倦的助手，帮助医生展开工作，无论是早期预防诊断、分类处理，还是精确医疗。...类似的技术可以帮助医生进行医学文书工作，并监督手术室和急诊室规章的执行。

    1.1K60

    CV技术在医疗领域中有哪些应用？Salesforce、谷歌、斯坦福综述文章登上Nature子刊

    接下来，论文讨论了一些有益的医学成像应用示例，涉及心脏病学、病理学、皮肤病学、眼科医学，并为后续研究工作提出了新的方向。...医学成像 近年来，使用计算机视觉技术处理静态医学成像的论文从数百篇增长至几千篇。其中，放射学、病理学、眼科医学和皮肤病学等几个领域受到了广泛关注。...作为一种经济高效的无辐射技术，超声心动图因其直接的数据采集和解释功能而特别适合应用 DL 技术，它常被用于急诊住院设施、门诊中心和急诊室中。 病理学 病理学家在癌症的检测和治疗中起着关键作用。...皮肤病学 皮肤病学中 DL 的关键临床任务包括特定于病灶的鉴别诊断、在良性病灶中发现与病灶有关的问题，以及帮助跟踪病灶随时间的增长。...最近，这些研究还包括了对数十种皮肤病的诊断，包括非赘生性皮肤病（如皮疹），其分类器输入还囊括了非视觉元数据（如病人的人口统计特征）。

    1.5K10

    展望 IoT 市场：机器学习能力定生死

    1996 年，美国芝加哥的库克郡医院急诊室采用了一种算法来判断出现胸痛症状的患者中，哪些面临更高的心脏病发作风险，是否在医院床位紧缺的情况下有住院的充分理由。...要让计算机老老实实学习数据模式(patterns)，需提供大量数据集。...计算机要考虑用户偏好、使用案例、环境等诸多因素，而很多，甚至绝大多数因素都是时间相关的——使用频率、行为频率、条件发生频率、用户行为逐渐改变、环境的季节变化以及传感器寿命期内的数据精确性等。...正如刚刚所说，云技术已经实现远程处理数据了，创业公司只要按每小时付费，就可“租用”高级设备——这投资有理有据，成本不高，省事省力省心。

    76360
    点击加载更多

    相关资讯

    热门标签

    更多标签

    活动推荐

      运营活动

      活动名称
      广告关闭

      腾讯云开发者

      扫码关注腾讯云开发者

      扫码关注腾讯云开发者

      领取腾讯云代金券

      热门产品

      热门推荐

      更多推荐

      Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有

      深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 粤公网安备44030502008569号

      腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号

      领券