• 综述 •
深度学习在检验医学中的研究与应用
中华检验医学杂志, 2019,42(12)
: 1063-1066. DOI: 10.3760/cma.j.issn.1009-9158.2019.12.016
摘要
在医疗领域大数据迅速发展的背景下，深度学习（Deep Learning，DL）作为一种机器学习算法，为图像识别、语音识别和自然语言处理中许多问题提供了更灵活的解决方案，具有从医学大数据中提取重要信息并转化为有价值知识的能力，在许多现实任务中受到前所未有的关注。本文阐述深度学习常见网络结构，浅谈其在检验医学领域的最新研究进展，并对影响医学领域深度学习的一些固有挑战和前瞻性研究方向进行了探讨。
引用本文:
严虹,
刘国烨,
李砚,
等.
深度学习在检验医学中的研究与应用
[J]
. 中华检验医学杂志,2019,42
(12): 1063-1066.
DOI: 10.3760/cma.j.issn.1009-9158.2019.12.016
扫 描 看 全 文
正文
作者信息
基金 0 关键词 0
English Abstract
评论
阅读 0 评论 0
相关资源
引用 | 论文 | 视频
版权归中华医学会所有。
未经授权，不得转载、摘编本刊文章，不得使用本刊的版式设计。
除非特别声明，本刊刊出的所有文章不代表中华医学会和本刊编委会的观点。
2016年3月，谷歌在自然杂志上公开发表论文，宣布其以深度学习技术为基础的电脑程序AlphaGo击败了世界上最好的围棋选手[1]，2017年，基于强化学习算法的AlphaGo升级版AlphaGo Zero采用"从零开始"、"无师自通"的学习模式，以100∶0的比分轻而易举打败了之前的AlphaGo。2016年，相关算法在医疗、金融、艺术、无人驾驶等多个领域均取得显著成果，这些都得益于深度学习的迅猛发展。
