港科大褚曉文：醫(yī)療場景下的 AutoML，模型參數(shù)量更小、分類準(zhǔn)確率更高

開拓 AI 和醫(yī)學(xué)結(jié)合更多的也許性，是人工自動(dòng)成長的1個(gè)首要命題。

AutoML 作為近年來備受注目的概念之一，被視為解決算法工程師來提升訓(xùn)練模型效益的1個(gè)工具，在產(chǎn)業(yè)、農(nóng)業(yè)、零賣等諸多情景中均有被應(yīng)用。

而跟著 AI 在醫(yī)學(xué)影像解析、醫(yī)療抉擇、個(gè)體就醫(yī)助手等情景行業(yè)的全面運(yùn)用，AutoML憑仗其自動(dòng)化、智能化等特征，也激發(fā)了越來越多研發(fā)隊(duì)伍開啟思索：假設(shè)將其擺放在醫(yī)學(xué)情景下，能否也能獲取不錯(cuò)的結(jié)果？

褚曉文，香港科技大學(xué)（廣州）信息科學(xué)與解析學(xué)域正老師，由他所率領(lǐng)的隊(duì)伍也是這條開拓路上的分隊(duì)之一。

最近，褚曉文將在 IEEE x ATEC 科技思享會(huì)上進(jìn)行題為《 AutoML 在基于胸部 CT 影像的 Covid-19 輔助診療中的運(yùn)用》的主旨演講，分析 AutoML 的根本概念和中心技術(shù)，并通過他們近兩年的有關(guān)工作，簡介 AutoML 在醫(yī)療影像行業(yè)的潛在運(yùn)用。

通過壯大的算力解鎖高難情景信息，AutoML 可以極大地減少醫(yī)師工作量，實(shí)行愈加自動(dòng)化的計(jì)算機(jī)輔助診療，供應(yīng)更確切的抉擇根據(jù)，在絕對程度上提升了診斷效益，精確節(jié)約醫(yī)學(xué)本錢。

AutoML + 醫(yī)學(xué)

從疾病輔助診療醫(yī)治、慢病危害預(yù)判，到全面的亞健康聰慧康養(yǎng)，AI 技術(shù)的顯現(xiàn)和全面運(yùn)用，驅(qū)動(dòng)傳統(tǒng)醫(yī)療研發(fā)邁進(jìn)了嶄新的階段。作為「AI +醫(yī)學(xué)」的1個(gè)首要研發(fā)方向，「AI +醫(yī)學(xué)影像」的技術(shù)日趨成熟，在覆蓋病種數(shù)目、診療速率和確切性等方面也不停地實(shí)行沖破。

圖注：褚曉文

褚曉文，1999年于清華大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)系獲取學(xué)士學(xué)位，2003年博士結(jié)業(yè)于香港科技大學(xué)計(jì)算機(jī)科學(xué)系。2003年到2021年，他在香港浸會(huì)大學(xué)計(jì)算機(jī)科學(xué)系任職助理老師、副老師、正老師，現(xiàn)任香港科技大學(xué)（廣州）信息科學(xué)與解析學(xué)域正老師。

他研發(fā)興致含蓋 GPU 計(jì)算、散布式機(jī)械學(xué)習(xí)、云計(jì)算和無線網(wǎng)絡(luò)等，在各類國際學(xué)術(shù)期刊和聚會(huì)中刊登論文200余篇，谷歌H指數(shù)為46，論文引用7900余次。曾獲取 2021年 IEEE INFOCOM、2021年 DASFAA-MUST、2020年IEEE GreenCom、2018年IEEE DataCom等國際聚會(huì)的最好論文獎(jiǎng)，是IEEE資深會(huì)員和ATEC 2021頂級咨詢委員會(huì)顧問。

褚曉文和研發(fā)隊(duì)伍從2018年開啟對 AutoML 調(diào)查，應(yīng)用 AutoML 運(yùn)用于醫(yī)學(xué)情景下的研發(fā)。

2019年年底，一場突如其來的疫情囊括了世界， Covid-19 的顯現(xiàn)給人們的生活按下了暫停鍵。Covid-19 的探測診療方式首要含蓋了核酸探測和基于醫(yī)學(xué)影像的人工診療，兩者各有利害，核酸探測耗時(shí)較長、且又須要專屬的測驗(yàn)盒，而基于醫(yī)學(xué)影像的人工診療則非常依托專業(yè)常識，解析耗時(shí)較長以及還難以發(fā)掘藏匿病變。

褚曉文和研發(fā)隊(duì)伍開啟參考能否闊以通過應(yīng)用 AutoML 來輔助診療 Covid-19 探測，提升探測效益。跟著X射線圖片和計(jì)算機(jī)斷層掃描圖片信息集的相繼提出，褚曉文與香港浸會(huì)大學(xué)的博士研發(fā)生賀鑫在已有圖片和信息集的根基上建立基于深度學(xué)習(xí)的 Covid-19 探測診療模型，總結(jié) Covid-19 探測診療的主流影像信息集和有關(guān)評估指標(biāo)。

另外，在論文“Survey of Studies of COVID-19 Diagnosis Based on Deep Learning”中，褚曉文和研發(fā)隊(duì)伍從模型任務(wù)和影像信息型號2個(gè)角度起程，還簡介了現(xiàn)有的 Covid-19 探測診療模型，并對骨干網(wǎng)絡(luò)、信息集、影像型號、功能體現(xiàn)、分類品種和開源狀況6個(gè)維度進(jìn)行較為與解析。

現(xiàn)在，深度學(xué)習(xí)在基于胸部影像的 Covid-19 輔助診療中獲得全面運(yùn)用，各類人工設(shè)計(jì)的深度學(xué)習(xí)模型在不同的 Covid-19 信息集上體現(xiàn)各異，缺少一類通用的應(yīng)用于不同信息集的神經(jīng)網(wǎng)絡(luò)構(gòu)造，同1個(gè)模型在不同情景中的應(yīng)用程度也不相近。

AutoML 在 Covid-19 輔助診療中的運(yùn)用，旨在給定信息集上智能搜索1個(gè)高效的神經(jīng)網(wǎng)絡(luò)模型，闊以大大減小繁復(fù)的人工設(shè)計(jì)和調(diào)優(yōu)流程，將科學(xué)家們解放出來去做更有意義的事。

為了解決基于權(quán)重同享的網(wǎng)絡(luò)搜索方略中的安穩(wěn)性問題，褚曉文和研發(fā)隊(duì)伍提出一類有效的進(jìn)化多目的構(gòu)造搜索框架。另外，對于信息集匱乏的問題，他們還提出了一類集成智能信息加強(qiáng)和智能網(wǎng)絡(luò)搜索的新框架，這一框架在三類公然 Covid-19 信息集上均獲得了優(yōu)秀的功能。