河南版“小汤山医院”引入阿里AI:准确率96%!

湖北武汉有火神山、雷神山,河南郑州则有“岐伯山”,都是效仿北京小汤山模式,专为应对新冠肺炎疫情而建立的医院。

 

2月16日,郑州岐伯山医院正式接诊新冠肺炎病患,其一大亮点就是全面引入了阿里云和阿里AI。

据了解,郑州岐伯山医院的核心业务系统搭建在阿里云之上,全流程智能化设计,并引入了CT影像的AI诊断等多项智能化设施,提高诊断及救治效率、降低医护人员感染风险。

在接到项目需求后,阿里云团队也是连夜从全国调集精兵强将,奔赴郑州现场支持,只用一周时间就完成了需求确认、部署安装、联调测试、培训指导等一系列工作,能支撑医院50多个子业务系统、40多类信息化设备、700多套硬件设施的运转,实现新冠患者从建档、诊疗到康复的全流程、全业务场景的智能化协同管理。

 

据介绍,一位新冠肺炎病人的CT影像在300张左右,而医生对一个病例的CT影像进行肉眼分析,耗时大约为5-15分钟,无疑给医生临床诊断带来了巨大压力。

 

阿里云和达摩院医疗AI团队联合研发了“新冠病毒AI辅诊助手”,可以在20秒内准确地对新冠疑似案例CT影像做出判读,从而自动判断患者新冠肺炎概率,识别准确率达96%,从而大大提高诊断效率,减轻医生压力。

 

此外,AI还能直接算出病灶部位的占比比例,进而量化病症的轻重程度,大幅提升临床诊断效率。

除了河南岐伯山医院,该算法还将在湖北、广东、安徽等地近100家医院落地。

医护人员使用AI识别新冠肺炎病例CT影像医护人员使用AI识别新冠肺炎病例CT影像

AI自动识别新冠肺炎病例CT胸片AI自动识别新冠肺炎病例CT胸片

内容概要:本文介绍了ENVI Deep Learning V1.0的操作教程,重点讲解了如何利用ENVI软件进行深度学习模型的训练与应用,以实现遥感图像中特定目标(如集装箱)的自动提取。教程涵盖了从数据准备、标签图像创建、模型初始化与训练,到执行分类及结果优化的完整流程,并介绍了精度评价与通过ENVI Modeler实现一键化建模的方法。系统基于TensorFlow框架,采用ENVINet5(U-Net变体)架构,支持通过点、线、面ROI或分类图生成标签数据,适用于多/高光谱影像的单一类别特征提取。; 适合人群:具备遥感图像处理基础,熟悉ENVI软件操作,从事地理信息、测绘、环境监测等相关领域的技术人员或研究人员,尤其是希望将深度学习技术应用于遥感目标识别的初学者与实践者。; 使用场景及目标:①在遥感影像中自动识别和提取特定地物目标(如车辆、建筑、道路、集装箱等);②掌握ENVI环境下深度学习模型的训练流程与关键参数设置(如Patch Size、Epochs、Class Weight等);③通过模型调优与结果反馈提升分类精度,实现高效自动化信息提取。; 阅读建议:建议结合实际遥感项目边学边练,重点关注标签数据制作、模型参数配置与结果后处理环节,充分利用ENVI Modeler进行自动化建模与参数优化,同时注意软硬件环境(特别是NVIDIA GPU)的配置要求以保障训练效率。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值