人工智能和边缘计算在疾病实时诊断中的应用

人工智能深度学习结合谷歌的边缘计算设备可以高精度地发现疾病。

人工智能(AI)机器学习在噪声数据中发现信号和模式的能力在医学、生物技术、生命科学和医疗保健中具有许多潜在的用途。在疾病诊断和生物标志物鉴定方面尤其如此。加州大学圣克鲁斯分校(UC Santa Cruz)进行的一项新研究展示了运行在谷歌边缘计算设备上的人工智能深度学习如何以99.8%的高准确率实时识别疾病。

“我们展示了传统上要求很苛刻的数据处理任务，比如超高分辨率、多尺度目标检测和分类，现在可以在更小的设备上完成，使用一个非常高效的神经网络模型，只包含几千个参数。”加州大学圣克鲁斯分校巴斯金工程学院电子与计算机工程杰出教授、Narinder Singh Kapany光电子学主席Holger Schmidt和他的研究小组由Vahid Ganjalizadeh、Gopikrishnan G. Meena、Matthew A. Stott和Aaron R. Hawkins组成。

新型冠状病毒肺炎-19的大流行证明了快速、准确的及时检测和诊断疾病本质的重要特性。研究人员指出，高度敏感的核心分析需要扩展和培养时间，通常需要几个小时。相比较之下，加州大学圣克鲁斯分校的研究人员开发了一种解决方案，该解决方案使用全栈人智能辅助框架和多路复用检测平台，该平台可以实时运行，精度很高。

加州大学圣克鲁斯分校的研究人员写道：“该系统将为用于诊断和其他应用的超快速床旁设备开辟新途径。”

该团队开发了一种 AI 深度神经网络(DNN)，可在 Google Coral Dev Board 上运行快速小波粒子检测和短时傅里叶变换 (STFT) 分析，这是一种单板计算机，用于在小型设备上运行快速AI 机器学习边缘计算。

根据研究人员的说法，根据接收器操作员特征（ROC）-曲线下面积（AUC）指标，他们的AI深度学习算法的准确性比传统方法的性能高出40%以上，并且可以实时执行。

“与传统使用的多重单分子鉴定技术（移位和乘法）SaM相比，我们的DNN模型的分类准确性提高了40%以上的ROC-AUC指标，同时运行速度足够快，可以实时执行分类，”科学家报告说。

AI框架不局限于病原体检测，应用范围更广。

研究人员强调："我们的框架可以应用于任何时间序列信号，这些信号针对不同的目标具有不同的时间特征。"

加州大学圣克鲁斯分校的研究人员报告说，他们的实时 AI 诊断工具可以通过三倍多路复用快速产生高精度结果，无需任何放大。

研究人员写道：“实时无扩增3×多重检测具有出色的特异性，灵敏度和99.8%的分类准确率。“这些结果表明，针对移动设备优化的简约DNN设计为使用紧凑，低成本的诊断设备进行准确的病原体检测提供了强大的框架。

https://www.psychologytoday.com/intl/blog/the-future-brain/202305/ai-and-edge-computing-detect-disease-for-real-time-diagnosis

编译：张磊