Covid-19
Különös év volt 2020 a Covid-19 vírussal szemben. Az orvostechnikusok és a tudósok a világ minden táján próbálnak oltást találni és azt befogadni. Ez nem csak az emberi élet szempontjából fontos, hanem azért is vállalkozások és ennek hatása globálisan is megvolt.
COVID-19
Alapján Coronavstats 2020. szeptember 21-én az Egyesült Királyságban összesen 398 625 fertőzés volt tapasztalható, és halálozások száma 41 788 volt. A jelenlegi halálozási arány a teljes esetek valamivel több mint 10% -a riasztó. Megállapították, hogy a terjedés exponenciális. Ezért a konténment létfontosságú, a technológiai világban az AI-t használják az oltóanyagok felfedezésében és elszigetelésében. Az AI segítségével a megfelelő oltások gyorsabban megtalálhatók a korábbi fertőzések elemzésével a fertőzés és a terjedés hasonló fehérje-struktúrái alapján.
Az egészségügyi központok egyre inkább használják a mesterséges intelligenciát. A mellkasi röntgensugár-ellenőrző rendszerek automatikusan észlelhetik a vírust, és az AI képességeinek felhasználásával képesek a képfelismerésre. Az AI sokkal gyorsabb feldolgozást kínál. A szabályozók és a kormányzati szervek ezt követően összegyűjtik az adatokat, és több entitás számára elérhetővé teszik azokat. A kutatók és a mikrobiológusok felhasználják ezeket az adatokat, valamint más adatokat a gyógyszerek hatásának elemzésére, valamint a vírus és más baktériumok - például a Médecins Sans Frontières - azonosítására szolgáló jobb gyógyszerek létrehozására.
Az orvostudományok nélküli határok és a Tenserflow Lite
TensorFlow
A baktériumok azonosításának jelenlegi orvosi kutatásaiból találhatunk példát az AI potenciális felhasználására vakcina megtalálásában, amint ez látható Youtube videó . A Médecins Sans Frontières egy jótékonysági szervezet, amely az egész világon orvosi ellátást nyújt, és több mint 70 országban felír egy sor anti-biotikumot. Felfedezték, hogy egyre több beteg fertőzött multirezisztens baktériummal. Lehetséges, hogy ugyanazt a koncepciót lehetne alkalmazni a Covid-19 esetében, az AI és a Google TensorFlow használatakor. A TensorFlow a Google ingyenes és nyílt forráskódú AI-ajánlata, TensorFlow Lite (a Médecins Sans Frontières használja), a mobil verzió letölthető iOS-ről és Android-ról.
Amit a gyógyszerek nem fedeztek fel, az az, hogy a betegeknek gyakran rossz antibiotikumot adnak, mivel nem tudják pontosan meghatározni a vírust, amellyel a beteg megfertőződhet. A TensorFlow segítségével segítenek azonosítani a betegeik számára megfelelő antibiotikumokat.
Ez több kihívást is felvet. A baktériumok azonosításához több tesztre van szükség annak megismeréséhez, hogy milyen típusú baktériumokkal van dolguk. Van egy további lépés, amely az eredmények értelmezését jelenti számos olyan országban, ahol az Országos Határok nélküli Orvosok működnek. Sajnos nincs elég tapasztalt mikrobiológus személyzet ezen értelmezések elvégzéséhez. Az AI potenciális megoldás lehet erre a problémára, mivel a mikrobiológus munkatársak helyett a meglévő munkatársakat segítik a diagnosztikai tesztek rövidebb időn belüli értelmezésében, a TensorFlow lite használatával, amely számos mobiltelefonon elérhető az összes klinikájukon . Az alkalmazásnak nem kell online lennie, ezért gyenge jelterületen használható.
A TensorFlow számítógépes látást és gépi tanulást használ a Python segítségével a baktériumok és az antibiotikumok közötti kölcsönhatások detektálására, kizárólag a petri-csésze képének felhasználásával. E technológia alkalmazásának eredményeként a Médecins Sans Frontières-nek néhány napon belül sikerült egy tesztelési modellt kiképeznie. Meglepően gyorsan és egyszerűen megvalósíthatónak is bizonyult. Kifejlesztettek egy prototípust, amelynek célja a diagnosztikai tesztek elérhetővé, könnyűvé és megfizethetővé tétele az egész világon. Ez az alkalmazás játékváltó lehet, és segíthet emberek millióinak szerte a világon, különösen, ha alkalmazható a Covid-19 elleni vakcina, valamint számos más betegség vadászatában. Segíthet a legjobb vezetési gyakorlatokkal kapcsolatos tanácsadásban is.
Ez a betegség-baktériumok tárgyfelismerésével, előre megjegyzéssel ellátott képek felhasználásával működik, és összehasonlításokat végez egy petri-csésze fényképével. Kevesebb mint egy másodperc alatt képes jóslatokra. A TensorFlow által kínált rendszer szépsége az, hogy ahelyett, hogy kódsorok ezreit kellene írni, létezik egy függvénykönyvtár, amely lehetővé teszi a különböző architektúrák felépítését, sokkal kevesebb idő alatt. Zsugoríthatja ezeket a vidéki hálózatokat, hogy képes legyen elférni egy mobil eszközön. Az emberi hozzájárulás kritikus a folyamat szempontjából. Nagyon sok száz millió képen megy keresztül, és adaptálható különböző típusú neurális hálózatok létrehozására.
A Covid-19 elleni vakcina felkutatásakor a Médecins Sans Frontières által alkalmazott stratégia jó hely lehet a TenserFlow segítségével történő AI használatának megkezdéséhez.
TensorFlow Lite Android-példán
A TensorFlow lehetővé teszi a gépi tanulási modellek gyors futtatását alacsony késleltetésű mobileszközökön, így osztályozásokat hajthat végre anélkül, hogy ismételt hálózati hívásokat kellene kezdeményeznie egy szerver felé. C ++ API-n keresztül érhető el Androidon és iOS-en. Van egy Java csomagoló az Android készülékekhez, amely támogatja. A tolmács az Android neurális hálózatok API-ját használja a hardveres gyorsításhoz.
Az alkalmazás mobil net modell segítségével épül fel. A mobilhálók kicsiek és kevés energiát fogyasztanak. A modelleket úgy tervezhetjük meg, hogy megfeleljenek több olyan felhasználási esetnek, mint például az objektum-észlelés, például különféle növények vagy fák. Finomszemcsés osztályozást biztosít. Számos előre kiképzett, polcról elérhető modell használható.
Amikor először dolgozik a TensorFlow lite programmal, ajánlott ezekkel az előre gyártott modellekkel dolgozni. A TensorFlow Lite azonban még nem támogatja a teljes értékű TensorFlow összes funkcióját.
A TensorFlow mobilon történő használatához be kell vonni a TensorFlow lite könyvtárakat. Ez úgy érhető el, hogy szerkeszti a builds gradle fájlt, hogy biztosan felvegye őket. A következő lépés egy TensorFlow tolmács importálása. A tolmács betölti a modellt, és lehetővé teszi a futtatását azáltal, hogy egy sor bemenettel rendelkezik. A TensorFlow lite végrehajtja a modellt, és megírja a kimeneteket. Ez egy egyszerű folyamat, annak ellenére, hogy a mögöttes technológia összetett.
A modellt az alkalmazás eszközeiben kell tárolni. Ezután a kód közvetlenül onnan olvassa a modellt, bár a modell bárhonnan betölthető. A modell betöltése után tolmácsot lehet példányosítani.
Az orvosi kutatás esetében az alkalmazás kiolvassa a fényképezőgépből a kereteket, és képpé alakítja azokat. Ezeket a képeket (a Médecins Sans Frontières, egy petri-csésze esetében) a modell visszatérő értékeként használjuk, amely visszatérési értékeket ad ki. Ezek az értékek a megfelelő címke indexét jelentik (ebben az esetben a baktériumok azonosítását), és az előre elkészített, feljegyzésekkel ellátott képek ezrei megegyeznek az adott címkével.
Ebben többet megtudhat a TensorFlow modellek képzéséről videó- útmutató a TensorFlow modellek futtatásához Androidon.
Covid-19 detektálás UiPath Fabric használatával
Mellkas röntgen
Az UiPath az AI automatizálási megoldásokra szakosodott vállalat. A Waterloo Egyetem és a Darwin kutatói az UiPath Fabric-ot használták, amely egy nyílt forráskódú kezdeményezés, egy ideghálózati modell tervezéséhez a COVID-19 esetek detektálására mellkasi röntgenképek felhasználásával. A modellt egy nyilvános adatkészletről képezték ki, amely a következőkből áll: 76 kép a 19. gyógyvízben szenvedő betegektől ahogy ezt a You Tube videó szemlélteti.
A munkafolyamat egyszerű, fájlból és röntgenképből áll. Ezeket a gépi tanulási modellbe küldjük, amely kimeneti az eredményeket. Az alkalmazás képet kér. Ehhez csak annyit kell tennie, hogy a modellt kiképezze a betegség nélküli emberektől, és megkülönböztesse a tüdőgyulladásban szenvedőket a COVID-19-ben szenvedőktől. A kimenet gépi tanulási osztályozási eredmény.
Tehát bármilyen mellkasi röntgen- vagy CT-kép esetén a szoftver előrejelzést ad arról, hogy a kép egy Covid-19-es betegtől származik. A kutatás ezen szakaszában ez nem produkciós változat, hanem előzetes kísérlet.
Az AI-t a Covid-19 visszatartásában és esetleg egy vírus felfedezésében való segítségnyújtásra használják. A mobilalkalmazások, például a TensorFlow Lite, ellenőrizhetik, hogy az egyén rendelkezik-e vírussal, ha valamilyen felhasználói bevitellel táplálkoznak, automatikusan megkapnak bizonyos adatokat a tartózkodási helyükről, és bizonyos fokú kockázatnak minősítik őket. El tud képzelni egy olyan helyzetet, amikor egy megerősített beteg mobil helye mindig ismert, a kormány figyelmeztetheti azokat az embereket, akik kapcsolatban álltak az említett személlyel. Ezt „Track and Trace” néven ismerjük.
Bert , egy másik Google AI kezdeményezést alkalmaznak erre a hatalmas adatkészletre, hogy a természetes nyelv feldolgozása (NLP) segítségével hasznos információkat nyerjenek a vírusról. Az NLP felhasználható a fehérje szerkezetének megértésére és a potenciális oltások gyorsabb kidolgozására, ideértve az emberek érintett területeiről szóló információk nyújtását.
Ez segít a mikrobiológusoknak a kezelési lehetőségek megértésében, figyelembe véve az esetleges káros hatásokat, és meghatározva a helyes dózist. Bert mindkét irányból nézi a szavakat és a mondatokat, balról jobbra, jobbra vagy balra, hogy azok teljes kontextusban megértsék és azonosítsák az adott szavakat. Tehát az AI-modellek - például a TensorFlow és a Bert for Natural language processing - kombinációjával a mikrobiológusok segítése érdekében a Covid-19 elleni vakcina talán nem áll túl messze, de még mindig folyamatban van. Az AI hasznosnak bizonyul, amint ezek a példák megmutatták, hogy megoldást kínáljon a potenciális Covid-19 vakcinára és a nyomonkövetési képességre.
Címkék COVID-19 TensorFlow
