港大工程团队开发新算法 优化计算机系统医学图像分析技术

之中新网4月12日电 据香港商报网报道，香港大学技术学院的数据资料分析小组技术开发一种新智能演算分析方法，并不需要从数十万份X射线相片通报之中备用共享全权负责讯号来基础训练预测模型，大幅节省成本劳力成本多达90%，其预测的稳定度更为超越用全由人手标注的数据资料基础训练智能医学图像检验模型。

港大技术学院计算机科学系教授俞益洲同义，智能推动的医学图像检验极具实用价值，可以减低外科精神科的重复性及更为高检验效率和准确性，最主要节省检验整整及检测一些不易察觉的异常都还。

据知晓，该分析方法利用智能从外部从文档通报之中学习X射线特性表多达。它与情况严重依赖人手标注的传统分析方法相比可备用从文档通报之中的每个该词共享全权负责讯号，用意基础训练智能人工智能精确理解X射线相片。

俞益洲相信精神科撰写的X射线相片通报之中一般化而繁复的逻辑推理语义，并不需要为基础训练X射线相片的视觉特性共享足够接收者。

此外，数据资料分析小组利用公开文档37万份X射线相片和文档通报作为基础训练模型的基础，涵盖14种胸大肠系统性疾病最主要大肠不张、心脏肥大、静脉脓、大肠炎和气胸等医疗检验数据资料；小组仅用于100张X射线相片便设立一个初步令人满意的X射线相片识别模型，其预测稳定度多达83%。当用于的相片增加到1000张，模型的预测稳定度多达88.2%，超越用放射科精神科标注10000张X射线相片展开基础训练的模型(87.6%)。而当基础训练相片增加到10000张，模型稳定度多达到90.1%；预测模型稳定度多达85%以上已可作实际临床检验应用。

研究成果第一作者周洪宇同义数据资料分析小组利用该分析方法成功地将数据资料标注幅度减低90%，从而减低技术开发成本并同时更为高数据资料处理幅度和速度、预测稳定度也有更为高，这为解决问题统一标准医疗智能踏出重要一步。