至顶网软件频道消息:Infervision正在进行开创性的工作,借助机器学习算法诊断和治疗中风。这家人工智能医学影像专业公司已经完成了Head CT Augmented Screening平台的成功试点。Infervision希望通过让医生更快速更准确地诊断中风,并评估中风所造成的损害,让这项技术快速普及并挽救生命。
除了这个采用机器学习检测中风的成功案例之外,此前有报道称Infervision的平台能够在X射线和CT扫描中检测肺癌的早期征兆。
Infervision使用超过100,000个带注释的医学图像扫描来训练算法,该算法得到了更多实施的数据,从而可以更加有效地诊断出两种主要类型的中风——出血性中风和缺血性中风。
Infervision创始人兼首席执行官Chen Kuan表示:“X射线是一种非常古老的检测方式。例如在中国,已经超过15年没有人在学术会议上胸部X射线检查了。直到最近人工智能的到来,人工智能帮助放射科医师发现了他们以前无法看到的问题。因此,我们非常自豪地看到,放射科医生开始讨论一些涉及人工智能的非常有趣和神奇的案例。”
这绝对是新技术可以释放长久保存数据的价值的一种极好例子。
这种方法解决的主要问题之一,是如何测量出血性中风的失血量。当中风发作后,每秒钟都很关键,医生通常会使用一个简单的数学公式来尽可能最好地“猜测”失血多少。
研究表明,出血量评估得越准确,患者恢复的可能性就越大,这是由于出血量对治疗方法的影响。
Kuan解释说:“出血量与死亡率和干预的最佳方式密切相关。”
“超过30毫升的出血量与死亡率密切相关,最好是使用积极的手术方法进行干预。问题是,在我们测试的过程中,我们要求放射科医师做这方面的计算,发现在某些情况下,误差幅度甚至超过了30毫升。”
Infervision不仅希望这些算法通过“学习”变得比人类放射科医生的评估更加精准,而且能够在紧急情况下更快地执行。
另一个优点,是可以通过X射线和CT扫描进行诊断,而不是单独进行MRI扫描,这是目前诊断出血性(血块)中风的唯一方法。MRI设备的可用性较低,许多医院没有足够的资源让这种设备一天24小时处于运行状态。
我问Kuan,放射科医生和其他临床工作人员在面对这项技术是作何反应的,因为这些技术似乎能够取代他们的一些技能。
他说:“他们很兴奋兴奋。两三个星期前,在中国举行了一个放射科医师大会,很多人对我们做的事情兴奋不已。他们意识到,我们正在帮助他们进行诊断,同时也在针对患者实施治疗计划方面提供了帮助。”
事实上,Infervision在中国的试验结果也将于本周芝加哥举行的北美放射学会年会上公布。Kuan希望也能在这次会议中得到参会者的热烈回应,希望不久之后越来越多的人有机会从这项技术中受益。
“目前我们已经扩大到在四家中国医院测试这项技术,初步结果令人振奋,我们很快就会扩大到更多的医院,并有望进入美国。”
好文章,需要你的鼓励
这项由浙江大学与阿里巴巴通义实验室联合开展的研究,通过创新的半在线强化学习方法,显著提升了AI界面助手在多步骤任务中的表现。UI-S1-7B模型在多个基准测试中创造了7B参数规模的新纪录,为GUI自动化代理的发展开辟了新的技术路径。
阿里巴巴联合浙江大学开发的OmniThink框架让AI学会像人类一样慢思考写作。通过信息树和概念池的双重架构,系统能够动态检索信息、持续反思,突破了传统AI写作内容浅薄重复的局限。实验显示该方法在文章质量各维度均显著超越现有最强基线,知识密度提升明显,为长文本生成研究开辟了新方向。
新加坡国立大学研究人员开发出名为AiSee的可穿戴辅助设备,利用Meta的Llama模型帮助视障人士"看见"周围世界。该设备采用耳机形态,配备摄像头作为AI伴侣处理视觉信息。通过集成大语言模型,设备从简单物体识别升级为对话助手,用户可进行追问。设备运行代理AI框架,使用量化技术将Llama模型压缩至10-30亿参数在安卓设备上高效运行,支持离线处理敏感文档,保护用户隐私。
腾讯混元3D 2.0是一个革命性的3D生成系统,能够从单张图片生成高质量的带纹理3D模型。该系统包含形状生成模块Hunyuan3D-DiT和纹理合成模块Hunyuan3D-Paint,采用创新的重要性采样和多视角一致性技术,在多项评估指标上超越现有技术,并提供用户友好的制作平台。作为开源项目,它将大大降低3D内容创作门槛,推动3D技术的普及应用。