AI公開課：19.04.18俞益洲—深睿醫療CS《計算機視覺的應用與落地》課堂筆記以及個人感悟

導讀
? ? ??俞益洲，現為深睿醫療聯合創始人、首席科學家(Chief Scientist)。香港大學計算機科學系教授，美國計算機協會杰出科學家，IEEE Fellow。在加州大學伯克利分校獲計算機博士學位，導師為人工智能與計算機視覺領域的美國科學院與工程院兩院院士Malik教授。
? ? ??2006年成為美國伊利諾依大學香檳分校（UIUC）終身教授（UIUC的計算機系在美國排名第五）。多次與谷歌大腦、微軟研究院等機構合作，并多次在微軟亞洲研究院任客座研究員。2002年獲美國國家科學基金杰出青年獎（CAREER Award），2007年獲中國自然科學基金海外青年學者合作基金（原海外杰青）資助。近年來多次在人工智能，計算機視覺，醫療AI有關的會議和論壇做特邀報告，并應邀擔任計算機視覺和可視媒體領域重要國際會議的程序委員會委員或主席。2018年11月，俞教授當選為2018 ACM杰出科學家，以及2019年度 IEEE Fellow。

?

?

目錄

問答環節

現場PPT

演講PPT

雷鳴教授PPT

俞益洲教授PPT

計算機視覺的主要任務有哪些？

基于深度學習的計算機視覺

計算機視覺的應用

深睿醫療—基于AI的醫學影像分析案例

基于AI的醫學影像分析特有的挑戰

---

?

?

問答環節

小編正在使勁整理中……

雷鳴教授：在CV領域的投資有哪些？判斷投資一家公司的條件？應用場景、經濟上的收益。那么，如何評估團隊？
吳世春VC：投了很多。關于如何判斷，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，投的偏應用型的、垂直領域的公司。關于團隊，要對行業足夠理解(行業的痛點)為第一位，不一定要是大牛，但只要能夠把好的東西學以致用，把這些東西進行產品化，不僅做的好還要賣的好。
雷鳴教授：探討計算機視覺領域，目前非常熱，今天是不是風頭浪尖了，未來是否還有突破，哪些方向有真實進展？
魯繼文教授：CV領域的確取得了很大的發展，關于未來，不單單檢測還要有決策問題。未來會走向3D的，結合很多好的傳感器。目前計算機領域，做的很好的是感知，未來應該走向認知，雖然很難，但是希望還是有突破。
雷鳴教授：關于GAN，這個方向，也是很有意思的。關于CV領域的技術落地，看未來3~5年，還會有哪些好的機會，適合初創企業，會有快速的成長？
俞益洲教授：講兩個吧，一個是人機交互，CV結合NLP進行多模態融合和理解，進行無障礙的溝通，這個應用場景是很多的，比如服務行業，情感交流，教育行業，游戲行業(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域，也有很多公司也有在做。
魯繼文教授：未來的手機是否會被其他AI智能產品替代，對機器實現智能化，第二，需要結合一些特定場景結合，比如工業的一些缺陷檢測。
雷鳴教授：其實，生成領域會有更大的有趣的東西，尤其是娛樂方面，比如卡通，現在靜態圖片已經可以以假亂真。內容生產會有很多的東西出來。
?

個評：創業，要理解行業痛點，降成本、提效率，比別人的好，才算牛！
備注：以上對話環節的文本編輯，為博主總結，與原文稍微有異，請以原文錄音為準。時間緊迫，如有錯誤，歡迎網友留言指出、探討。

?

現場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

計算機視覺技術、計算機視覺應用場景
靜態視頻流技術，如何利用計算機視覺與醫學影像結合，當前是非常熱的一個方向。
具體案例有，阿里的豬臉識別，大疆無人機的果樹林病蟲害的識別，高壓尋檢識別，觀察沃爾瑪停車數量來預測銷售數量，全球小麥圖像檢測來預測期貨，互聯網如抖音等視頻內容理解、廣告插入等。

?

俞益洲教授PPT

計算機視覺的主要任務有哪些？

• 圖像識別
• 運動分析
• 場景重建
• 圖像恢復

基于深度學習的計算機視覺

卷積神經網絡，今年的圖靈獎得主 LeCun ，在1989年，發明了一種具有特殊連接關系的神經網絡。當時圖像尺寸很小，因為受限當時算力的原因。

Hinton(今年圖靈獎的得主)的學生，在2012年，在ImageNet 比賽上，拿到了冠軍。當時，一個GPU，訓練一次，還是需要兩個星期。后來，都是在此基礎上，有所改進，推動了神經網絡的發展。

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。

計算機視覺的應用

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，比如傳感器，還有控制系統等，其實CV領域在自動駕駛方向占比也不是太多。
麥肯錫市場調研：自動駕駛若能在中國落地生根，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模。

增強現實：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領域的技術。這還是一個新興的市場，據說，將來可以達到萬億級市場。

智慧醫療：醫學影像的輔助診斷、治療。機器人問診等。
醫學影響市場規模：增長趨勢明顯，爆發時機成熟?，F在病人和三甲醫院分配不太均衡，所以可以帶來改善。
痛點：誤診常有，醫療資源分布也不均衡，有望提高質量和效率。

計算機視覺與醫學影響分析

• 現代醫學越來越多依賴醫學影像信息進行診斷。
• 80%的臨床問題需要影像檢查得到準確的診斷結果。
• 醫學影像格式標準利于人工智能深度學習技術。
• 人工智能+ 時代，醫學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，常針對單個目標檢測問題而言。
• 多目標檢測：對所有物體進行目標檢測。
• 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。

醫學圖像分類案例
皮膚癌分類：不同類別的皮膚癌，相距比較遠，故可以達到很高的精度。

深睿醫療—基于AI的醫學影像分析案例

基于CT的肺結節良惡性預測模型：AUC指標，達到80%多，已經超過了大部分最高級別的醫師，而現在基本上，已經處于最高的準確度狀態。

腦出血區域分割、體積測量：利用二類語義分割技術。

基于胸部DR的病灶檢測：二維空間其實是很難發現的，但是利用AI模型可以對細微差別進行識別。目前能對20多種進行檢測。

兒童骨齡輔助評估：主要對手指關對部位小骨頭的發育狀況，進行檢測，然后評等級，進而評估。

乳腺鈣化篩查：鈣化檢出的技術挑戰，非常細小、非常稀疏、情況復雜，肉眼很難判斷。
?

基于AI的醫學影像分析特有的挑戰

訓練樣本較少：遷移學習解決。

數據標注成本高：采用半監督學習解決。比如基于胸部DR的混合監督學習案例。

數據標簽噪聲大、一致性差：數據標簽的自動修正，協同合作、修正。

?

?

?

相關文章

?

?

總結

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站內容還不錯，歡迎將生活随笔推薦給好友。