• 综述 •
人工智能在检验医学领域的应用和发展
中华检验医学杂志, 2022,45(12)
: 1282-1287. DOI: 10.3760/cma.j.cn114452-20220712-00403
摘要
随着计算机运算能力的提高，机器学习和深度学习算法不断发展，人工智能（AI）逐渐成为人类活动的重要工具，也为生命科学和医学领域赋予了新的生命力。对于检验医学而言既是机遇，也是挑战。检验大数据和AI算法结合，推动了形态学检验能力的提升、检验流程的优化、新知识的发掘和疾病诊断模型的研发，成为临床疾病预防、诊断和预后预测的便捷、智能的助手。
引用本文:
李玮泽,
李莉.
人工智能在检验医学领域的应用和发展
[J]
. 中华检验医学杂志, 2022, 45(12)
: 1282-1287.
DOI: 10.3760/cma.j.cn114452-20220712-00403.
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。
人工智能（artificial intelligence，AI）是以最少的人工干预模仿人类智能行为进行数据分析、学习建模等的计算机科学［1］，包含机器学习和深度学习2个子集，两者主要的区别在于学习方式和驱动学习的算法工具不同。机器学习的输入特征是人为干预，因而，结果会有偏差或遗漏，但对数据集的要求不苛刻。传统的机器学习算法主要是线性回归、Logistic回归、决策树、随机森林、支持向量机（support vector machines，SVM）和朴素贝叶斯等方法。而深度学习是在大量、完整数据集的基础之上，计算机通过卷积神经网络（convolutional neural networks，CNN）、递归神经网络（recurrent neural network，RNN）等算法，机器进行自我学习、推断、建模，并不断优化模型的过程。CNN是一类包含卷积计算且具有深度结构的前馈神经网络算法，RNN是一种常用的循环神经网络结构，在处理和预测序列数据的问题上有着良好的表现。
