Big Data и Machine Learning спасают жизни: 3 кейса по распознаванию образов

МЕНЮ


Искусственный интеллект
Поиск
Регистрация на сайте
Помощь проекту

ТЕМЫ


Новости ИИРазработка ИИВнедрение ИИРабота разума и сознаниеМодель мозгаРобототехника, БПЛАТрансгуманизмОбработка текстаТеория эволюцииДополненная реальностьЖелезоКиберугрозыНаучный мирИТ индустрияРазработка ПОТеория информацииМатематикаЦифровая экономика

Авторизация



RSS


RSS новости


2020-04-10 02:35

ии в медицине

Чтобы зарядить вас оптимизмом и в очередной раз показать практическую пользу от технологий больших данных, машинного обучения и других методов искусственного интеллекта, сегодня мы расскажем, как Big Data и Machine Learning предупреждают аварии, диагностируют смертельные болезни на ранних стадиях и помогают найти без вести пропавших людей.

Можно по-разному относиться к видеокамерам на дорогах, однако в большинстве случаев они дисциплинируют водителей. Самый распространенный кейс – это фиксаций превышения разрешенной скорости движения с автоматической фотографией госномера правонарушителя. Однако, это не единственный пример прикладного использования алгоритмов распознавания образов на базе Machine Learning. Сегодня, с повсеместным распространением мобильных телефонов, именно они становятся фактором, провоцирующим ДТП. В частности, только за 2017 году в США погибло более 3 тысяч человек по причине отвлечения водителей на телефонный разговор или переписку в мобильных мессенджерах. В России в 2018 году по статье 12.36.1 КоАП «Нарушение правил пользования телефоном водителем транспортного средства» было возбуждено 81,5 тысячи дел, а в 2019 году – на 3 тысячи больше. Такая тенденция показывает недостаточную состоятельность текущих профилактических мер: разъяснительной работы с водителями и выборочными штрафными санкциями. Поэтому в 2020 году московское ГИБДД тестирует видеокамеры с нейросетевым модулем распознавания водителей, разговаривающих по телефону во время движения. Также эти интеллектуальные устройства видеонаблюдения будут определять, пристегнут ли водитель ремнем безопасности [1].

Мы уже писали про множество случаев применения Big Data и Machine Learning в медицине: от проведения УЗИ до синтеза новых антибиотиков. Если говорить о распознавании образов, то впечатляет опыт израильской компании Zebra Medical Vision Ltd, которая еще в 2017 году представила систему искусственного интеллекта для автоматического анализа и постановке диагноза по сканам МРТ, КТ, рентгеновских снимков и других исследований. Программа способна выявлять 11 различных заболеваний, в т.ч. рак легких и молочной железы, заболевания сердца и сосудов, травмы головного мозга и конечностей. При обучении нейросети использовались миллионы реальных снимков обследований, предоставленных больницами. В тестовом эксперименте в Оксфордском университете продукт Zebra Medical Vision Ltd показал точность диагностики на уровне 95% и 100%-ую способность отличать больных людей от здоровых. Этот нейросетевой алгоритм интегрирован в радиологические информационные системы и системы обмена изображениями, которые используются в медицинских учреждениях США, Великобритании и других стран. Таким образом, уже сегодня Big Data и Machine Learning позволяют врачам экономить время на постановку диагноза и проведение дополнительных анализов [2].

ИИ в медицине
Искусственный интеллект — помощник современного врача

По данным МЧС и МВД России, ежегодно в стране пропадают более 120 тысяч человек, т.е. в день — до 300 человек. Сегодня к поисковым операциям подключают беспилотники, что помогло в нескольких регионах спасти 18 человек [3]. Обычно для осмотра больших участков территории спасатели все чаще применяют дроны, которые фотографируют местность с высоты 40-50 метров. Так с одной поисково-спасательной операции получается несколько тысяч фотографий. Чтобы автоматизировать просмотр этих изображений с целью поиска пропавших людей, энтузиасты сообщества Open Data Science в 2019 году запустили проект Lacmus. Алгоритмическое ядро продукта составляют алгоритмы Machine Learning – сверточные нейросети с предварительным обучением для распознавания образов, реализующие подход глубокого обучения (Deep Learning). Для простоты разработки, обновления и развертывания используется DevOps-технологии: микросервисная архитектура и контейнеризация, когда решение упаковывается в Docker-образ. Также в проекте применяются и другие решения стека Big Data: PostgreSQL (для хранения датасетов) и RabbitMQ (для управления очередью сообщений) [4]. В следующей статье мы рассмотрим, способны ли технологии полностью заменить людей в оперативно-розыскной деятельности и почему.

Как еще можно использовать большие данные, машинное обучение и другие методы искусственного интеллекта для спасения жизней и бизнеса, вы узнаете на наших образовательных курсах в лицензированном учебном центре обучения и повышения квалификации руководителей и ИТ-специалистов (менеджеров, архитекторов, инженеров, администраторов, Data Scientist’ов и аналитиков Big Data) в Москве:


Источник: www.bigdataschool.ru

Комментарии: