人工智慧一詞越來越頻繁的出現在日常生活中。一種事物的時髦，必然有其背後的原因。而對於這樣乙個大的話題，從整體上來敘述總顯得有些不接地氣。作為跟ai沾過一些邊的博主將以自己接觸的方面來發表一點看法。 首先介紹一下，博主在研究生期間從事醫療數字影像研究和醫療系統開發，期間跟臨床醫生也有過一些交流，研究生課題也是智慧型輔助診斷的研究。因此，文章可能會實際工程使用為主要的著眼點，來表述一下對是否加入ai這一浪潮發表一點個人看法。ai的範圍太廣泛了，前幾年機器學習活躍在學術研究和工程領域，於是機器學習好像就成了ai的代名詞；而目前深度學習的火爆，又讓我們覺得深度學習也是ai。然後回首模式識別等領域，我們就能感到ai真是無處不在。對於這樣乙個比較大的概念，有一句比較貼切的話能將其概括：ai就是讓機器實現原來只有人類才能完成的任務。也就是說，下圖中所有的標籤都可以稱得上是ai。
ai子標籤
回到我們的醫療輔助診斷ai中，以往只能通過醫生的肉眼去看x光、ct、超聲、mr等等的影像，才能給患者給出診斷結論。那麼人工智慧的目的就是簡化甚至完全取代醫生閱片這一過程，直接將患者的影像資料交給ai系統，由ai系統給出診斷結論。診斷的流程如下圖所示，使用ai輔助就直接的替代了醫生的工作。
一種事物的時髦，必然有其背後的原因。從上面談到的輔助診斷中的應用就很容易想到為什麼ai這麼的火。原因很簡單，因為ai直接將人從繁重的勞動中解放出來了。可能平時我們見到過診斷的閱片醫生，覺得他們工作並不那麼繁重。但實際上在規模比較大的醫院（例如我見過的華西醫院放射科），閱片醫生的工作就是盯著螢幕仔細的看，極其的枯燥和無聊。醫生的工作環境應該來說是非常好的，想想其他行業那些繁重的工作，是不是也可以用ai來將其解放呢？
當然，這些都是比較理想化的狀態。在實際中，人類的感知和認識是相當複雜的，就拿醫學診斷的例子來講，醫生診斷的依據並不是有很強的規則可以描述的。也就是說，從原因來推導到結論，往往並不那麼容易，反過來由結論再去尋求原因似乎還有些可靠（bp神經網路反向傳播訓練引數可以這樣理解）。機器學習和基於資料得到模型似乎就是這個套路我們並不去追尋問題的實質，我們從大量的統計資料中去得到事物發展規律的套路。這也就是在規則「不可描述」的時候機器學習、深度學習這類演算法能取得較好結果的原因。
有了這麼多美好的前景，ai好像有了他興盛的道理。除了這些，實際應用上的成果其實更能讓人看到希望。比如語音識別、智慧型聊天這些讓人實實在在感受到的成果。在醫療上成果也相當多，特別是影像的輔助診斷。上海聯影和七家三甲醫院合作，上線乙個早期肺癌的輔助診斷系統。這個系統應該是我國醫學輔助診斷ai上比較有意義的一大步。
其實「轉型」我覺得是不太準確的乙個表述。說靠近應該更為貼切。比如作為乙個醫學影像研究的工程師來講，假設他要從事ai相關工作，那麼他之前的研究經歷應該是必不可少的部分，他需要做的就是學習ai的相關演算法和知識，結合具體的應用場景，根據之前的研究經驗來設計出更為智慧型的系統。
其他行業，亦是如此。因為ai不可能單獨的存在，它必須依附在具體的背景、應用之下。因此，作為研發人員，只要是能想到ai有用武之地，那麼學習它還是很有必要的。
ai包含的範圍太廣泛了，涉及到的知識也太多。從乙個醫學影像研究和應用開發（影象識別也一樣）的角度來看，主要的關注點就是在於機器視覺、機器學習以及深度學習。
高大上的專案不是一天就能練成的，看似簡單的東西，要想得到很高的準確度或精度也是不那麼容易的。以乙個我們常見的車牌識別來看，雖然目前已經廣泛應用到了實際當中。但是想要開發出乙個在任何場景下都能識別得到正確結果的系統還是很難的一件事情（可以參看easypr開源專案）。下圖就是博主在學習《深入理解opencv 實用計算機視覺專案解析》，然後借鑑easypr中的部分思想設計的，準確度並不高，只能達到畢業設計這樣場合的要求。在這個程式設計實踐過程中，能對演算法有更深入的理解。
使用opencv、mfc編寫的車牌識別（ann）
因此，我覺得ai並不是乙個單純理論的東西，它是乙個相當工程性的事物。然而，對待工程性的事物，恐怕唯有實踐才能讓我們更能貼近真理一步。
醫學輔助診斷上來看，想要實現乙個能用的系統，那麼必不可少需要了解醫學的基本知識，這是ai開發人員必須了解的。去年博主應導師的要求，帶著自己開發的乙個小軟體跟華西醫院的醫生交流，從交流的過程發現，缺少醫學背景，很難設計出符合醫生要求的功能。所以醫生給出的評價是：你們現在做的要想真的使用，我看還有很遠的路要走。（附上博主的這個小軟體：
rbdcm肺結節輔助診斷
博主在畢業前也嘗試過去面試機器學習相關的崗位，由於理論知識欠缺。所以最後還是選擇了軟體開發，所以有此打算的師弟師妹，我覺得理論這一關一定要打牢。而且軟體程式設計能力也一定要過硬。
博主的態度是：技術的道路是無邊無際的，永遠抱著一顆學習的心，不畏所謂轉型，只為業餘增添樂趣。
AI 醫學影像的現狀 機遇與挑戰
王立威 有三個領域會與深度學習進行緊密的結合 乙個是無人駕駛 乙個是金融領域 再乙個則是醫學領域。無人駕駛在計算機視覺的識別技術已經趨於成熟，具備可以與機器學習進行深入結合的條件，但作為乙個與汽車實體緊密相關的應用方向，在高校內做研究的空間相對受限 此外，駕駛作為一種動態活動，相對於靜態影象識別的難...
FDA首次批准iPad成為醫學影像診斷輔助產品
美國食品和藥物管理局已經首次批准了蘋果ipad iphone作為醫療影像診斷放射學的輔助產品使用，之前，該應用榮獲蘋果 最佳iphone醫療保健及健身應用 設計獎。fda表示，該程式可以再沒有醫療工作站時替代使用，但並非要取代工作站裝置。fda中心器械首席醫學專家威廉梅塞爾博士還認為，ipad重要的...
OBD診斷與UDS診斷的區別
obd 全稱 on board diagnostics 即車載自動診斷系統，是汽車排放和驅動性相關故障的標準化診斷規範，有嚴格的排放針對性，其實質就是通過監測汽車的動力和排放控制系統來監控汽車的排放。當汽車的動力或排放控制系統出現故障，有可能導致一氧化碳 co 碳氫化合物 hc 氮氧化合物 nox ...