瞄準醫療小數據痛點，整合視覺和知識語言AI來破除
從事AI開發工作，常面臨訓練資料不足的問題，在資料被視為敏感個資的醫療業更是如此。為打破這個限制，坊間也出現不少方法，像是透過遷移學習（Transfer Learning）來進行預訓練，或是利用生成對抗網路（GAN）來產生訓練資料，提高AI模型準確度。
這些方法對HTC健康醫療事業部DeepQ來說，一點都不陌生。2年前，DeepQ就應用遷移學習來改善中耳炎AI辨識率，首先透過降低維度，將耳道照片轉換為抽象的局部特徵圖像，再利用相似但與中耳炎無關的影像，比如柳丁切片、咖啡拉花等圖片來訓練AI演算法，讓準確率從7成躍升到9成以上。
臉書留言
胡 自文
(這個頁面共進入 1 次, 今天進入 1 次)
