主题: DeepHealth: Deep Learning for Health Informatics

简介: 机器学习和深度学习已成为一种新趋势,开启了一个全新的研究时代。事实上,深度学习也已经被运用到了各个领域,在健康卫生学领域对于人工智能的需求正快速增加,并且在医疗健康领域人工智能应用的潜在好处也已经被证明。 深度学习在卫生信息学领域有许多优点,它可以在没有先验的情况下进行训练,这有利于克服缺乏标记数据而导致的训练问题,并可以缓解临床医生的负担。例如,将深度学习用于医学图像,可以处理数据复杂性,检测重叠的目标点和3维或4维医学图像。 出于对深度学习在医疗健康领域的信心和期望,最近这一领域的论文数量增加的非常迅速,至少采用了一套基础的EHR系统的医院的数量也在井喷式的增加。然而,将深度学习应用于卫生信息学仍旧有一些挑战急待解决(如数据的信息性,缺乏标记数据,数据的可信度和完整性,模型的可解释性和可靠性等)。

成为VIP会员查看完整内容
68

相关内容

最新《可解释深度学习XDL》2020研究进展综述大全,54页pdf
基于深度学习的多标签生成研究进展
专知会员服务
140+阅读 · 2020年4月25日
临床自然语言处理中的嵌入综述,SECNLP: A survey of embeddings
2019->2020必看的十篇「深度学习领域综述」论文
专知会员服务
269+阅读 · 2020年1月1日
最新《分布式机器学习》论文综述最新DML进展,33页pdf
专知会员服务
117+阅读 · 2019年12月26日
南洋理工大学,深度学习推荐系统综述
专知会员服务
172+阅读 · 2019年10月14日
2019->2020必看的十篇「深度学习领域综述」论文
极市平台
23+阅读 · 2020年1月2日
2017-2018年抗肿瘤药物行业研究报告
行业研究报告
7+阅读 · 2018年11月1日
AI综述专栏|多模态学习研究进展综述
人工智能前沿讲习班
64+阅读 · 2018年7月13日
人工智能与机器学习技术在医疗保健行业中的应用
深度学习与NLP
10+阅读 · 2018年3月25日
吴恩达:AI论文已经够多了,赶紧“搞点事”吧!
全球人工智能
4+阅读 · 2017年11月15日
Arxiv
29+阅读 · 2020年3月16日
Arxiv
7+阅读 · 2018年12月26日
Arxiv
7+阅读 · 2018年11月27日
Arxiv
22+阅读 · 2018年8月3日
Arxiv
28+阅读 · 2018年4月6日
VIP会员
相关VIP内容
最新《可解释深度学习XDL》2020研究进展综述大全,54页pdf
基于深度学习的多标签生成研究进展
专知会员服务
140+阅读 · 2020年4月25日
临床自然语言处理中的嵌入综述,SECNLP: A survey of embeddings
2019->2020必看的十篇「深度学习领域综述」论文
专知会员服务
269+阅读 · 2020年1月1日
最新《分布式机器学习》论文综述最新DML进展,33页pdf
专知会员服务
117+阅读 · 2019年12月26日
南洋理工大学,深度学习推荐系统综述
专知会员服务
172+阅读 · 2019年10月14日
微信扫码咨询专知VIP会员