港大工程团队开发新搜索算法 优化人工智能医学图像分析技术

中所新新浪4月12日电 据香港商报新浪报道，香港科技大学研究成果生院的研究成果小组开发一种新认知科学算术分析方法，能够从数十万份X射线幻灯片年度报告中所自动利用督导信号来受训预测基本概念，大幅减省人力开销远超90%，其预测的弹道越来越超越用全由节省成本标明的数据受训认知科学医学缩放病因基本概念。

港大研究成果生院计算机科学系大学教授俞益洲所称，认知科学推动的医学缩放病因颇具潜力，可以加大医学专家的工作幅度及大大提高病因工作效率和准确性，包括耗用病因间隔时间及监测一些越来越易察觉到的异常可能。

据了解，该分析方法来进行认知科学直接从自然语言年度报告中所修习X射线不同之处表远超。它与严重依赖节省成本标明的传统分析方法相比可自动从自然语言年度报告中所的每个词汇利用督导信号，用以受训认知科学神经新浪络精确探究X射线幻灯片。

俞益洲相信精神科撰写的X射线幻灯片年度报告中所抽象而比较简单的抽象概念codice_，能够为受训X射线幻灯片的感官不同之处提供充分信息。

此外，研究成果小组来进行公开数据源37万份X射线幻灯片和自然语言年度报告作为受训基本概念的基础，涵盖14种颊肺相关疾病包括肺不张、心脏卷曲、颊腔积液、肺炎和气颊等医疗保健病因数据；小组均用作100张X射线幻灯片便创设一个进一步缺乏经验的X射线幻灯片识别基本概念，其预测弹道远超83%。当用作的幻灯片增加到1000张，基本概念的预测弹道远超88.2%，超越用放射科精神科标明10000张X射线幻灯片进行受训的基本概念(87.6%)。而当受训幻灯片增加到10000张，基本概念弹道远超到90.1%；预测基本概念弹道远超85%以上已可作实际临床病因应用。

论文第一编者周洪宇所称研究成果小组来进行该分析方法获得成功地将数据标明幅度减低90%，从而减低开发开销并同时大大提高数据处理幅度和速度、预测弹道也有大大提高，这为实现通用医疗保健认知科学迈进重要一步。