Page 190 - 计算机应用软件开发技术研究

计算机应用软件开发技术研究
Research on Computer Application Software Development Technology

两层的神经网络，第一层称为编码层，第二层称为解码层。

二、基于深度学习模型在疾病风险预测中的应用

深度学习的概念由多伦多大学 Geoffrey Hinton 等人在 2006 年提出，实质便
是建立一个模仿人类大脑进行学习的神经网络，基于网络模型运算量大、层次
深、表达能力强等特点，深度学习强大的序列及图像数据的处理能力，对于生物
医学类庞大的数据分析处理有着明显的优势。

总结深度学习在医疗数据中的应用，介绍深度学习模型在相关疾病诊断中的
应用和目前研究进展，并对其未来进行展望。
（一）深度学习在医疗数据的应用概述
1.深度学习模型在医学图像中的应用

当前应用于医疗数据分析的数据来源主要为 X 线光片、CT 扫描、核磁共振
成像数据、脑电图数据、糖尿病患者血糖数据等。然而，反映人体健康水平信息
的医学图像数据主要依靠人工进行分析，必然不能排除主观因素成分以及干扰，
且易造成数据资源的浪费。深度学习具有的自动学习特点，其模型能从海量数据

中整合特征自动提取，既提取到更加高级的抽象特征也能消除主观因素的影响、
减轻医生的负担也可提高效率和诊断准确性。
2.深度学习的医学产品化应用
自 2016 年以来，出现了许多基于深度学习算法的医学成像人工智能公司。

其出产的技术性产品主要包括 X 线辅助筛查系统和 CT 肺结节辅助筛查系统等。
其中，X 射线筛查产品可以快速发现十余种异常影像学表现。CT 肺结节筛查产
品不仅可以快速识别不同大小的结节、亚结节、磨玻璃结节，还可提供前后图像
对比功能降低 X 线的漏诊率。

（二）深度学习在疾病检测病变鉴定中的应用
1.基于深度学习的皮肤表面图像用于皮肤癌的检测
皮肤癌是人类最常见的恶性肿瘤之一。2017 年 1 月，斯坦福大学人工智
能实验室与斯坦福医学院合作，使用深度学习方法自动对皮肤镜和临床病变
图像进行分类，并于“自然”杂志发表突破性成果。其团队选择 GoogLe Net

Inception-v3 作为其分类网络和应用迁移学习技术，使用深度学习技术结合皮肤
癣菌分类树结构图和巧妙设计的 PA 算法，它可以在多个分类任务中能够达到甚

·178·