中正大學與嘉義基督教醫院合作,共同開發一套AI系統,可即時分析大腸鏡檢查畫面,揪出贅生性瘜肉,預防大腸癌。

圖片來源: 

中正大學

重點新聞(0125~0131)

嘉基    大腸癌     AI醫療  

中正大學聯手嘉基,用AI揪出大腸瘜肉

中正大學聯合嘉義基督教醫院,打造一套醫學影像AI系統,可即時分析醫生大腸鏡檢查畫面,自動在電腦螢幕上框出瘜肉位置、辨識贅生性瘜肉機率,準確率高達95%。近年來,大腸癌一直是國人10大癌症之首,雖然照大腸鏡是預防方式之一,但得仰賴醫生長年肉眼辨識經驗,還會受到如腸道內水、泡沫等雜訊干擾,難免產生誤判。

有鑑於此,中正大學資工系副教授劉偉名與研究生蕭瑋廷,聯手嘉基肝膽腸胃科醫生張力仁,用AI替醫生找出可疑的大腸瘜肉。首先由嘉基提供大腸鏡影片和臨床資料,再由醫師幫忙標記影像瘜肉位置,並交由劉偉名和學生來訓練演算法。目前,大腸瘜肉測試準確率達95%,嘉基發言窗口表示,今年將規畫臨床應用事宜。(詳全文)

  MIT     人臉辨識    AI偏見  

MIT正開發新人臉辨識演算法,要解決AI偏見問題

MIT電腦科學與人工智慧實驗室(CSAIL)近日提出一篇研究論文,要以新演算法來解決人臉辨識的種族偏見問題。進一步來說,研究人員採用變分自編碼器(Variational Autoencoder,VAE),來檢視人臉辨識模型的訓練資料,在確定這些資料的特徵之後,會重新採樣,平均挑選每種膚色、性別的人種,讓訓練資料更加平衡。經MIT研究人員測試,在不影響準確率的情形下,這個方法能降低60%的「分類偏見」。不過,研究人員也表示,要實際採用這套演算法,還有一段距離。(詳全文)

  北卡羅來納大學    義肢    AI  

AI調教機器義肢,讓身障者穿戴更舒適

北卡羅來納州立大學和北卡羅來納大學的研究員,最近發表一項增強式學習研究,以獎勵系統促使AI代理人完成目標,也就是調整機器義肢膝蓋的活動。具體來說,當機器義肢活動時,AI模型會考慮各種定義力與動作的參數,如機器關節的剛度、前肢的垂直運動範圍等。至於基線,則是身障者可以舒適地走路,雖然過程可能不完全平順。在測試實驗中,AI系統從義肢活動的前15-20分鐘蒐集訓練資料,再由演算法處理,並透過義肢中的感測器來學習活動模式。為安全起見,研究員對可能讓穿戴者摔跤的情況,進行系統限制。在一次測試中,他們開發的AI系統僅需10分鐘,就能幫助義肢穿戴者在平地上自然行走。(詳全文)

  英特爾    Nauta       分散運算環境  

英特爾開源釋出深度學習平臺Nauta,提供分散運算環境跑模型

英特爾最近宣布開源釋出深度學習平臺Nauta,要讓企業開發者更簡單地建立深度學習模型。該平臺提供多用戶分散式運算環境,能在英特爾處理器Xeon系統上運行深度學習模型訓練。開發人員可從命令列介面、網頁版使用者介面,或是視覺化工具TensorBoard,查看和監控模型執行的結果。另外,針對擴展性,該平臺利用容器工具Kubernetes的元件,搭配Kubeflow和Docker,來實現機器學習容器化。在匯入訓練資料部分,開發人員可利用現有資料集、線上下載資料,還能建立公開或私人的檔案夾,讓跨團隊合作更方便。(詳全文)

  卡內基美隆大學   停車位預測   深度學習 

找不到停車位?AI用深度學習幫你即時預測車位狀況

Google雲端與GO-JEK合作,推出開源特徵商店Feast,供開發團隊管理、儲存和探索機器學習專案相關的特徵,目的是要透過可擴展且統一的特徵儲存平臺,讓機器學習開發團隊可以定義和發布特徵,進而促進組織內特徵探索和重複使用。Feast也整合了開源機器學習平臺Kubeflow,能滿足機器學習生命周期中,對特徵儲存的需求。Feast可在Kubeflow上部署,也可與其他Kubeflow元件協作。此外,Feast也提供了Python SDK,可用於Jupyter Notebooksc和Kubeflow Pipelines。最近卡內基美隆大學土木環境工程學系的研究團隊,在論文平臺Arxiv發布了即時預測停車位的AI研究,研究團隊整合多種即時和歷史的交通相關數據,利用卷積神經網路建立停車位預測模型,包含停車的時間、交通狀況、道路的特徵、天氣等資料,,預測短期停車位的使用狀況。有別於過去收集停車感測器數據的方法,研究團隊在加入其他參考數據之前,先利用停車計費機的交易資料,來預測停車空位,由於95%的路邊收費停車位都是透過計費機管理,這樣的方法也比依賴感測器數據的方法,更為通用。(詳全文)

Numpy    Scipy     機器學習  

GitHub: Numpy和Scipy是機器學習專案中最受歡迎的函式庫

GitHub最近於自家部落格中,公布去年度機器學習和資料科學專案相關的報告,其中,平臺上機器學習專案最熱門的語言,前3名分別是Python、C++和JavaScript,而最受歡迎的函式庫為Numpy,有7成以上的機器學習專案都使用了Numpy函式庫,而Scipy函式庫則是占了近5成。Numpy函式庫具備平行處理能力,支援多維度陣列和矩陣的數學運算,在機器學習專案中,能夠處理龐大的資料量,因此以超過7成的機器學習專案占有率,成為最受歡迎的ML函式庫,另外,負責運算的Scipy、管理資料集Pandas和提供視覺化的Matplotlib函式庫,在ML專案中,都有超過4成的占有率。(詳全文)

Uber    人臉辨識    乘車安全  

Uber以人臉辨識把關駕駛身份、一鍵報警等功能強化乘車安全

Uber近日在臺宣布強化乘車安全功能,結合人臉辨識技術確認司機身份,還提供110緊急援助功能,讓乘客發生緊急事件時可以一鍵報警。為避免駕駛者身份冒用,Uber採用微軟人臉辨識技術,在駕駛版App中加入人臉辨識功能,駕駛上線或途中,會不定時要求駕駛回傳自拍照片,以確認駕駛身份和帳號相符,一旦發現回傳照片和帳號身份不符,會立即限制使用平臺接案。雖然Uber採用微軟人臉辨識技術,但司機的臉部資料則存於Uber內部。(詳全文)

AWS     Neo-AI      機器學習  

AWS發表Neo-AI開源專案,可訓練跨平臺的機器學習模型

AWS發表新開源專案Neo-AI,該專案源自於Amazon SageMaker機器學習服務中的ML模型自動優化功能「Amazon SageMaker Neo」,來幫助開發者打造可支援各種硬體平臺的機器學習模型。AWS表示,透過Neo-AI,部署機器學習模型到不同平臺將不再費力,藉由自動最佳化TensorFlow、MXNet、PyTorch與XGBoost等模型,在不喪失精確性的情況下,讓其執行速度達到原始模型的兩倍;此外,它還能將模型轉換為高效通用格式,以解決軟體相容性問題。

Neo-AI也允許複雜的模型在資源有限的裝置上執行,目前支援英特爾、Nvidia和Arm平臺,未來將支援Xilinx、Cadence及Qualcomm。AWS已藉GitHub釋出Neo-AI專案,將採Apache軟體授權。(詳全文)

圖片來源/中正大學、MIT、GitHub、Helen Huang

 AI趨勢近期新聞 

1. 語言如何形成?臉書和Google用深度強化學習研究自然語言現象

2. Google發布問答語料庫Natural Questions,匯集30萬條問題與人工註釋答案

3. 整合Arm處理器與SSD,NGD運算型儲存系統加速大數據應用

4. 中正大學攜2家印度大學,建立海外AI科研中心

資料來源:iThome整理,2019年1月


Advertisement

更多 iThome相關內容