302论述
2019年1月浅谈人工智能在医疗行业中的应用方莺霏（河南省信阳高级中学）
人工智能有广泛的应用和较高的实用价值。本文简【摘要】人工智能这几年进展飞速，与我们生活越来越息息相关。特别是在医疗卫生行业，
并进一步分析了人工智能在医疗行业快速发展的原因。述了人工智能在医疗行业影像处理、药物挖掘、健康管理和辅助诊断领域的发展现状，
【关键词】人工智能；医疗；数据；机器学习【中图分类号】【文献标识码】【文章编号】（2019）TP18A1006-422201-0302-02
随着科技的发展袁人工智能这几年已经有了突破性的进展袁与我们生活越来越息息相关遥其中医疗与人工智能的结合袁更将会成为新时代的爆发点遥据统计袁医疗行业占人工智能应用市场规模的1/5遥我国正处于医疗人工智能的风口遥
人工智能在医疗行业发展现状如何钥为什么在医疗领域这么火热钥本文对此进行了初步探索遥
人工智能目前在医疗行业应用最得广泛成熟有如下几个领域院
渊1冤人工智能+医学影像遥人工智能+医学影像是将人工智能技术具体应用在医学影像的诊断上袁帮助医生定位病症分析病情袁辅助做出诊断袁提高医生工作效率遥它的技术主要分为两部分院第一部分是图像识别袁应用于感知环节袁其主要目的是将影像这类非结构化数据进行分析袁获取一些有意义的信息遥第二部分是深度学习袁应用于学习和分析环节袁是AI应用的最核心环节袁通过大量的影像数据和诊断数据袁不断对神经元网络进行深度学习训练袁促使其掌握野诊断冶的能力遥
1医疗行业人工智能发展现状的技术原理图1“机器看片”
在图像识别上袁人工智能+医学影像与人工相比有三大优
势院淤效率更高院具有多年临床经验的医生诊断200张CT扫
描图片需要20min袁而计算机检测系统能够在秒级给出分析结果曰于准确率提高院比如阿里ET医疗大脑挑战肺结节领域的机器读片袁可以在片子上圈出结节区域袁将人工判断的准确率从60~70%到85%袁并且人工智能可以检测到占X光面积0.01%的细微骨折曰盂稳定性增强院疲劳会降低人工阅片的准确率袁而机器阅片的准确率性不随阅片时间的增长出现下降遥人工智能+医学影像还用在对影像诊断报告的分析上遥医学影像仅仅分析图像本身还不够袁更重要的是影像对应的诊断报告也要加以分析遥而我国的影像诊断报告呈现出因医生而异的特点袁因为医生的个人习惯尧教育背景和执业医院等因素导致了不同地区不同医院的影像诊断报告标准不一样遥人工智能+医学影像可以很好解决这样的问题遥
渊2冤人工智能+药物挖掘遥人工智能药物挖掘主要是通过深度学习和自然语言处理提取和分析大量的生物科学信息-专利尧基因组数据和生物医学期刊数据库上的数据信息袁利用深度学习算法找出关联并提出相应的候选药物袁进一步筛选具有对某些特定疾病有效的分子结构遥
传统的药物研发领域存在三大痛点院淤研发周期长曰于研发成本高曰盂成功率低遥人工智能+药物挖掘能够有效缩短新药研发周期和降低失败风险遥目前通过计算机模拟和借助深度学习袁在抗肿瘤药物和常见传染病治疗药等获得了新的突破遥
目前仿制药占我国国产药的95%左右袁药品产能过剩袁并且重大创新较少袁主要原因在于国内药企研发能力偏弱袁研发经费占比低袁仅3~5%袁国外新药研发企业的研发经费则占15~20%遥人工智能在药物挖掘的应用有望改变国内药物研发创新不足的格局遥
行待识别信号的输入曰于卷积层袁主要进行卷积运算袁实现对输入信号的处理和学习袁每层有多个卷积核构成曰盂池化层袁主要是利用聚合统计等功能袁解决机器学习中的过拟合现象曰榆全连接层袁该层实现总体的特征识别与分类曰虞输出层袁该层输出识别的结果遥针对音频处理的听觉神经网络袁选择AlexNet模型这一广泛应用的卷积神经网络模型即可取得较好的学习效果袁在盗版数字音乐作品识别这一问题中袁通过对该模型设置5个卷积层尧3个池化层和3个全连接层可以得到较为令人满意的训练效果遥
使用大量的音乐作品对前述卷积神经网络进行训练袁可以使其对各音乐作品充分学习袁再次输入与原作品相类似的盗版音乐作品后袁其可以快速做出判断袁发现有盗版可能的音乐作品遥借助神经网络的学习特性袁当作品处于被简单修改尧被压缩尧音质失真等各类情况下均可进行准确识别遥
针对当前大量存在的数字音乐作品盗版现象袁机器学习技术可以对其进行高效尧准确的发现袁并结合对盗版作品传播特性的分析袁可以从整体上对盗版音乐作品进行态势分析袁为打击盗版尧保护正版音乐作品提供有力的技术保障遥
[1]戴墨轩.我国数字音乐产业的版权保护问题及对策[J].经济论坛袁2017渊08冤院136~139.
[2]何庆聪.数字音频广播原理分析[J].中国高新区袁2018渊05冤院38.
[3]李增.基于听觉特性卷积神经网络的音乐分类方法研究[D].华南理工大学袁2018.
5小结者等信息进行梳理袁使用FPgrowth关联模型对各类特征进行关联分析尧使用K-means聚类模型对各类特征的共性进行挖掘袁可以发现其中所存在的关联关系袁探索其中的相似性等袁为盗版音乐作品的发现提供有力的数据支撑遥
参考文献
4.2盗版音乐作品的传播特点分析
为进一步提高对盗版音乐作品的发现力度和监管水平袁还可以使用关联模型和聚类模型对其传播特点进行分析遥通过将已经发现的盗版数字音乐作品其制作者尧来源网站尧发布
收稿日期：2018-12-21
2019年1月论述303
人工智能技术在社会公共安全领域的应用研究富帝淳（哈尔滨市第三中学校，黑龙江哈尔滨150000）
给人们的生活带来了巨大的改变，这其中就包括了人工【摘要】随着科学技术的快速发展，其在人们的工作、生活、学习等领域不断地渗透，
对人工智能技术进行了简要的介绍，并分析了具体的应用案例，智能技术。本文以人工智能技术在社会公共安全领域的应用为主要研究对象，
以期能够加深人们对于人工智能技术的认识。
应用【关键词】人工智能；公共安全；
【中图分类号】【文献标识码】【文章编号】（2019）TP18A1006-422201-0303-02
人工智能概念的首次提出是在20世纪50年代中后期袁英文缩写为AI渊ArtificialIntelligence冤袁其研究内容主要涉及到了计算机程序下的人类思维模拟遥因此袁也可以将人工智能技术视作为计算机领域的一个重要组成部分袁它使计算机能够按照人类思维的方式来处理问题袁其中应用了大数据技术尧图像识别技术尧语言识别技术等遥
1人工智能技术的简介基于社会主义和谐社会的建设要求袁公共安全成为了现阶段社会治理的重要内容之一遥切实做好社会公共安全管理工作袁除了依靠完善的法律法规之外袁还需要充分地利用先进的科学技术遥人工智能作为近年来逐渐成熟的一种应用技术袁在社会公共安全领域得到了广泛的应用袁并且产生了较为理想的效果遥
人类从繁琐的劳动中出来袁在社会公共安全领域亦是如此遥利用计算机的数据处理优势袁能够实现对大量数据的快速处理袁减少了对社会公共安全事件的反应时间袁从而有效地避免了社会公共安全事件的发生遥
2.1人工智能技术在视频监控中的应用
2人工智能技术在社会公共安全领域的应用案例分析人工智能技术的应用能够有效地降低人类的劳动量袁将
目前袁我国部分地区已经普及了智能视频监控系统袁它能够对视频范围内的个体进行特征比对袁一旦出现符合目标参数的个体袁该系统将直接发出声光警告袁以引起人们的注意袁人工智能技术在其中功不可没遥摄像头将监控视频实时传送至数据中心袁人工智能软件通过预先输入的个体目标参数信息袁对画面中所出现的个体进行实时比对袁在相关性达到一定程度的情况下袁个体将被视作为目标遥
例如袁对于所发布的通缉犯罪分子袁以往需要多地区尧多部门进行联合抓捕袁但时这种方法不仅效率低袁而且浪费了大量警力袁尤其是在通缉犯不使用身份证的情况下袁抓捕工作十分困难遥利用人工智能技术支持下的视频监控系统袁能
渊3冤人工智能+个人健康管理遥人工智能健康管理利用人体日常的身体数据袁帮助个人实现精准有效的健康管理袁从源头减少发病诱因袁从而减少家庭医疗支出遥
2017年华尔街互联网行业权威MaryMeeker发布的叶互联网趋势报告曳指出袁医疗卫生和保健已进入数字化拐点遥百分之八十多的消费者使用可穿戴设备等健康数据袁而这些结构化的健康数据将会作为数据源帮助消费者进行个人健康管理遥[2]
渊4冤人工智能+辅助诊断遥人工智能辅助诊断将数据变为知识袁按照数据流的视角大致分为五个步骤院数据集中尧数据加工尧知识图谱尧知识计算尧交互设计遥具体而言袁人工智能+辅助诊疗以患者的病史尧症状尧检验检查和用药等治疗方案为原始数据袁整理出临床治疗经验袁融合现存的医学知识袁针对各种疾病建立医疗图谱遥并在此基础上袁通过野阅读冶患者的病历或者是临床症状袁结合后端的医疗图谱袁为医生提示临床医疗方案袁为患者提供诊疗方法参考并答疑解惑遥
渊1冤医疗健康产业供需严重不平衡遥由于医疗资源缺乏和效率不高袁目前我国卫生行业存在野看病难尧看病贵冶问题袁没有办法满足人民群众不断增长的医疗需求遥
随着中国人口老龄化趋势下袁疾病高发的数量日益增多袁看病需求加大遥但是受制于周期长尧成本高等特点袁培养更多的医务人员野这杯远水冶解不了近渴遥叶2016年中国卫生和计划生育事业发展统计公报曳显示袁医院卫生技术人员数同比增长5.57%袁低于诊疗人次6.17%的增幅袁供给跟不上需求的增加遥[3]
而人工智能在医疗领域上的运用可以大大降低成本和提
2人工智能在医疗领域发展迅速的原因高效率袁弥补医疗健康产业供需严重不平衡遥
渊2冤医疗领域有海量的大数据遥2016年6月发布叶关于促进和规范健康医疗大数据应用发展的指导意见曳袁把生物学资源和医疗大数据作为国家的基础战略资源袁纳入了国家大数据战略布局遥据预计袁医疗数据量到2020年将超过40万亿GB袁并且还在以惊人的速度迅速增长遥
但我国的医疗数据分散在各个医疗机构袁利用效率低遥并且绝大部分是非结构化数据袁大大超出了传统的数据计算处理能力遥另外我国医疗数据分散在不同医院机构袁深度利用率不高遥人工智能领域计算机视觉尧机器学习尧深度学习等技术突破袁可以激活这座沉睡的数据金矿遥
渊3冤医疗行业特征和人工智能技术优势高度吻合遥医疗是一个知识尧数据密集型的行业遥在对失误零容忍的前提下袁极其依靠强大的知识储备和处理分析能力进行诊断治疗遥
人工智能的飞速发展大大提高了医疗数据处理深度和效率遥借助大数据分析和深度学习袁以及计算机24h不知疲倦等运转优势袁人工智能可以将医疗失误降低40%左右遥
[1]互联网医疗健康产业联盟.2018年医疗人工智能技术与应用院39~42.
[2]MaryMeeker.2017年互联网趋势报告院60~.
[3]中华人民共和国国家卫生健康委员会.2016年中国卫生和计划生育事业发展统计公报院6~8.
参考文献
收稿日期：2018-12-19
