简介:摘要目的构建人工智能辅助诊断系统,自动发现胃溃疡病灶,鉴别胃良性溃疡与恶性溃疡。方法收集武汉大学人民医院消化内镜中心2016年11月—2019年4月拍摄的胃镜图片1 885张,其中正常胃黏膜图片636张、良性胃溃疡图片630张、恶性胃溃疡图片619张。其中1 735张为训练集,150张为测试集,分别将图片输入基于fastai框架的Res-net50模型、基于Keras框架的Res-net50模型和基于Keras框架的VGG-16模型进行训练。分别构建正常胃黏膜与良性溃疡、正常胃黏膜与恶性溃疡、良性与恶性溃疡3个单独的二元分类模型。结果VGG-16模型表现出了最好的结果,验证集验证模型区分正常黏膜与良性溃疡、正常黏膜与恶性溃疡、良性与恶性溃疡的精确度分别为98.0%、98.0%和85.0%。结论本研究获得的模型在发现溃疡病灶上具有较好的能力,有望应用于临床辅助溃疡病灶检出并鉴别良恶性溃疡。
简介:【摘要】目的:探究分析基于人工智能深度学习的早产儿视网膜病变的临床辅助诊断。方法:2017年7月至2019年11月,本院眼科中心一共获取500张早产儿眼底筛查图像,建设眼底图像数据库,由本科5名眼科医生标注,创建深度学习智能识别系统,通过深度学习智能系统训练其自动诊断早产儿视网膜病变的功能,评估深度学习智能系统的自动化筛查早产儿视网膜病变分期、附加病变的价值。结果:人工智能深度学习系统诊出473例早产儿视网膜病变,准确诊出率为94.6%。其中Ⅰ期患儿诊出139例,Ⅱ期患儿诊出124例,Ⅲ期患儿诊出94例,Ⅳ期患儿诊出71例,Ⅴ期患儿诊出45例;人工智能深度学习系统诊出附加病变有439例,黄斑有402例,视盘有469例,激光治疗瘢痕有481例。结论:给予人工智能深度学习创建的智能系统可准确诊出早产儿视网膜病变,可用于早产儿视网膜病变的辅助诊断及疾病筛查,具有显著的应用价值,值得在临床进一步推广应用。
简介:摘要:近些年,人工智能技术得到了蓬勃发展,各个行业、各个领域均开始应用人工智能技术,其逐渐发展成为产业变革过程中的焦点。《新一代人工智能发展规划》中指出,应当在中小学教育阶段开展人工智能课程,并根据社会发展需求,制定相应的课程方案以及课程标准,丰富人工智能方面的知识内容。兴趣是最好的老师,若想彻底学会、理解一样东西,那么培养其兴趣是最有效、最直接的一种方式,而在人工智能领域,学生的学习兴趣与学习质量存在直接关联,小学生始终保持学习兴趣那么其便会沉浸于学习过程之中,并充满学习动力。基于此,本文围绕如何培养小学生学习人工智能的兴趣展开论述,首先介绍了培养小学生学习人工智能兴趣的重要性,然后从三个不同方面论述了培养小学生学习人工智能学习兴趣的基本途径。