AI公開課：19.04.18俞益洲—深睿醫(yī)療CS《計算機(jī)視覺的應(yīng)用與落地》課堂筆記以及個人感悟

導(dǎo)讀
? ? ??俞益洲，現(xiàn)為深睿醫(yī)療聯(lián)合創(chuàng)始人、首席科學(xué)家(Chief Scientist)。香港大學(xué)計算機(jī)科學(xué)系教授，美國計算機(jī)協(xié)會杰出科學(xué)家，IEEE Fellow。在加州大學(xué)伯克利分校獲計算機(jī)博士學(xué)位，導(dǎo)師為人工智能與計算機(jī)視覺領(lǐng)域的美國科學(xué)院與工程院兩院院士Malik教授。
? ? ??2006年成為美國伊利諾依大學(xué)香檳分校（UIUC）終身教授（UIUC的計算機(jī)系在美國排名第五）。多次與谷歌大腦、微軟研究院等機(jī)構(gòu)合作，并多次在微軟亞洲研究院任客座研究員。2002年獲美國國家科學(xué)基金杰出青年獎（CAREER Award），2007年獲中國自然科學(xué)基金海外青年學(xué)者合作基金（原海外杰青）資助。近年來多次在人工智能，計算機(jī)視覺，醫(yī)療AI有關(guān)的會議和論壇做特邀報告，并應(yīng)邀擔(dān)任計算機(jī)視覺和可視媒體領(lǐng)域重要國際會議的程序委員會委員或主席。2018年11月，俞教授當(dāng)選為2018 ACM杰出科學(xué)家，以及2019年度 IEEE Fellow。

?

?

目錄

問答環(huán)節(jié)

現(xiàn)場PPT

演講PPT

雷鳴教授PPT

俞益洲教授PPT

計算機(jī)視覺的主要任務(wù)有哪些？

基于深度學(xué)習(xí)的計算機(jī)視覺

計算機(jī)視覺的應(yīng)用

深睿醫(yī)療—基于AI的醫(yī)學(xué)影像分析案例

基于AI的醫(yī)學(xué)影像分析特有的挑戰(zhàn)

---

?

?

問答環(huán)節(jié)

小編正在使勁整理中……

雷鳴教授：在CV領(lǐng)域的投資有哪些？判斷投資一家公司的條件？應(yīng)用場景、經(jīng)濟(jì)上的收益。那么，如何評估團(tuán)隊？
吳世春VC：投了很多。關(guān)于如何判斷，主要看能否落地解決問題，能否降低成本或者提高效率，解決的客戶是誰，投的偏應(yīng)用型的、垂直領(lǐng)域的公司。關(guān)于團(tuán)隊，要對行業(yè)足夠理解(行業(yè)的痛點)為第一位，不一定要是大牛，但只要能夠把好的東西學(xué)以致用，把這些東西進(jìn)行產(chǎn)品化，不僅做的好還要賣的好。
雷鳴教授：探討計算機(jī)視覺領(lǐng)域，目前非常熱，今天是不是風(fēng)頭浪尖了，未來是否還有突破，哪些方向有真實進(jìn)展？
魯繼文教授：CV領(lǐng)域的確取得了很大的發(fā)展，關(guān)于未來，不單單檢測還要有決策問題。未來會走向3D的，結(jié)合很多好的傳感器。目前計算機(jī)領(lǐng)域，做的很好的是感知，未來應(yīng)該走向認(rèn)知，雖然很難，但是希望還是有突破。
雷鳴教授：關(guān)于GAN，這個方向，也是很有意思的。關(guān)于CV領(lǐng)域的技術(shù)落地，看未來3~5年，還會有哪些好的機(jī)會，適合初創(chuàng)企業(yè)，會有快速的成長？
俞益洲教授：講兩個吧，一個是人機(jī)交互，CV結(jié)合NLP進(jìn)行多模態(tài)融合和理解，進(jìn)行無障礙的溝通，這個應(yīng)用場景是很多的，比如服務(wù)行業(yè)，情感交流，教育行業(yè)，游戲行業(yè)(特別運動類)等。
吳世春VC：小的點來分析，我們投了好朋友科技，利用CV來降低一些成本，變廢為寶。再比如垃圾分類等領(lǐng)域，也有很多公司也有在做。
魯繼文教授：未來的手機(jī)是否會被其他AI智能產(chǎn)品替代，對機(jī)器實現(xiàn)智能化，第二，需要結(jié)合一些特定場景結(jié)合，比如工業(yè)的一些缺陷檢測。
雷鳴教授：其實，生成領(lǐng)域會有更大的有趣的東西，尤其是娛樂方面，比如卡通，現(xiàn)在靜態(tài)圖片已經(jīng)可以以假亂真。內(nèi)容生產(chǎn)會有很多的東西出來。
?

個評：創(chuàng)業(yè)，要理解行業(yè)痛點，降成本、提效率，比別人的好，才算牛！
備注：以上對話環(huán)節(jié)的文本編輯，為博主總結(jié)，與原文稍微有異，請以原文錄音為準(zhǔn)。時間緊迫，如有錯誤，歡迎網(wǎng)友留言指出、探討。

?

現(xiàn)場PPT

小編正在使勁整理中……

?

?

?

?

演講PPT

小編正在使勁整理中……

雷鳴教授PPT

計算機(jī)視覺技術(shù)、計算機(jī)視覺應(yīng)用場景
靜態(tài)視頻流技術(shù)，如何利用計算機(jī)視覺與醫(yī)學(xué)影像結(jié)合，當(dāng)前是非常熱的一個方向。
具體案例有，阿里的豬臉識別，大疆無人機(jī)的果樹林病蟲害的識別，高壓尋檢識別，觀察沃爾瑪停車數(shù)量來預(yù)測銷售數(shù)量，全球小麥圖像檢測來預(yù)測期貨，互聯(lián)網(wǎng)如抖音等視頻內(nèi)容理解、廣告插入等。

?

俞益洲教授PPT

計算機(jī)視覺的主要任務(wù)有哪些？

• 圖像識別
• 運動分析
• 場景重建
• 圖像恢復(fù)

基于深度學(xué)習(xí)的計算機(jī)視覺

卷積神經(jīng)網(wǎng)絡(luò)，今年的圖靈獎得主 LeCun ，在1989年，發(fā)明了一種具有特殊連接關(guān)系的神經(jīng)網(wǎng)絡(luò)。當(dāng)時圖像尺寸很小，因為受限當(dāng)時算力的原因。

Hinton(今年圖靈獎的得主)的學(xué)生，在2012年，在ImageNet 比賽上，拿到了冠軍。當(dāng)時，一個GPU，訓(xùn)練一次，還是需要兩個星期。后來，都是在此基礎(chǔ)上，有所改進(jìn)，推動了神經(jīng)網(wǎng)絡(luò)的發(fā)展。

端到端非線性變換，每層對圖像的理解逐步加深，第五層可以識別單個部件，最后一層綜合整個部件識別。

計算機(jī)視覺的應(yīng)用

智能安防，比如智慧交通、車輛識別、車牌管理等。對人的視頻監(jiān)控。1VS1識別 或者 1VS多識別(該方向還可以做的更好)
安防市場規(guī)模：中國安防市場很大，幾乎占全球市場的50%。

自動駕駛：語義分割，道路的指示信息。檢測指示牌，它是一個綜合的技術(shù)，比如傳感器，還有控制系統(tǒng)等，其實CV領(lǐng)域在自動駕駛方向占比也不是太多。
麥肯錫市場調(diào)研：自動駕駛?cè)裟茉谥袊涞厣?#xff0c;前景將十分廣闊。自動駕駛，十年以后，有可能超過安防市場的規(guī)模。

增強(qiáng)現(xiàn)實：比如對伯克利的校園建筑，建造三維模型。黑客帝國，可以從多個角度觀看這個子彈。

無人零售：會利用到很多CV領(lǐng)域的技術(shù)。這還是一個新興的市場，據(jù)說，將來可以達(dá)到萬億級市場。

智慧醫(yī)療：醫(yī)學(xué)影像的輔助診斷、治療。機(jī)器人問診等。
醫(yī)學(xué)影響市場規(guī)模：增長趨勢明顯，爆發(fā)時機(jī)成熟。現(xiàn)在病人和三甲醫(yī)院分配不太均衡，所以可以帶來改善。
痛點：誤診常有，醫(yī)療資源分布也不均衡，有望提高質(zhì)量和效率。

計算機(jī)視覺與醫(yī)學(xué)影響分析

• 現(xiàn)代醫(yī)學(xué)越來越多依賴醫(yī)學(xué)影像信息進(jìn)行診斷。
• 80%的臨床問題需要影像檢查得到準(zhǔn)確的診斷結(jié)果。
• 醫(yī)學(xué)影像格式標(biāo)準(zhǔn)利于人工智能深度學(xué)習(xí)技術(shù)。
• 人工智能+ 時代，醫(yī)學(xué)影像也將走向智能化。

圖像識別

• 圖像分類：比如ImageNet有1000多類。
• 圖像定位：利用包圍框定位目標(biāo)，常針對單個目標(biāo)檢測問題而言。
• 多目標(biāo)檢測：對所有物體進(jìn)行目標(biāo)檢測。
• 語音分割問題：希望每個像素都能知道是哪個類別所覆蓋，即密集的圖像識別或者分類。
• 實例分割：每個輪廓的邊界都要勾勒出來。

醫(yī)學(xué)圖像分類案例
皮膚癌分類：不同類別的皮膚癌，相距比較遠(yuǎn)，故可以達(dá)到很高的精度。

深睿醫(yī)療—基于AI的醫(yī)學(xué)影像分析案例

基于CT的肺結(jié)節(jié)良惡性預(yù)測模型：AUC指標(biāo)，達(dá)到80%多，已經(jīng)超過了大部分最高級別的醫(yī)師，而現(xiàn)在基本上，已經(jīng)處于最高的準(zhǔn)確度狀態(tài)。

腦出血區(qū)域分割、體積測量：利用二類語義分割技術(shù)。

基于胸部DR的病灶檢測：二維空間其實是很難發(fā)現(xiàn)的，但是利用AI模型可以對細(xì)微差別進(jìn)行識別。目前能對20多種進(jìn)行檢測。

兒童骨齡輔助評估：主要對手指關(guān)對部位小骨頭的發(fā)育狀況，進(jìn)行檢測，然后評等級，進(jìn)而評估。

乳腺鈣化篩查：鈣化檢出的技術(shù)挑戰(zhàn)，非常細(xì)小、非常稀疏、情況復(fù)雜，肉眼很難判斷。
?

基于AI的醫(yī)學(xué)影像分析特有的挑戰(zhàn)

訓(xùn)練樣本較少：遷移學(xué)習(xí)解決。

數(shù)據(jù)標(biāo)注成本高：采用半監(jiān)督學(xué)習(xí)解決。比如基于胸部DR的混合監(jiān)督學(xué)習(xí)案例。

數(shù)據(jù)標(biāo)簽噪聲大、一致性差：數(shù)據(jù)標(biāo)簽的自動修正，協(xié)同合作、修正。

?

?

?

相關(guān)文章

?

?

總結(jié)

以上是生活随笔為你收集整理的AI公开课：19.04.18俞益洲—深睿医疗CS《计算机视觉的应用与落地》课堂笔记以及个人感悟的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。