在上一篇文章中，小编为您详细介绍了关于《2686《大唐盛世》竞技场玩法大揭秘》相关知识。本篇中小编将再为您讲解标题每周AI应用方案精选：癌症预防治疗AI框架；医学图像处理软件。

原标题：每周AI应用方案精选：癌症预防治疗AI框架；医学图像处理软件

每周三期，详解人工智能产业解决方案，让AI离你更近一步。

解决方案均选自机器之心Pro行业数据库。

方案1：用于癌症预防和治疗领域的人工智能框架——CANDLE

解决方案简介：

英伟达发布的 CANDLE 作为超级计算平台，为研究人员提供一个通用的癌症信息发现平台。CANDLE 将着重解决三大癌症研究问题：

1. 帮助发掘在常规癌症 DNA 和 RNA 中潜藏的基因信号，提升科学家对 DNA 和 RNA 中基因签名的理解来预测对患者产生作用的癌症疗法；

2. 加速蛋白质相互作用的分子动力学模拟，以此来理解生成癌症的潜在生物机制，帮助理解早期癌症的形成过程；

3. 通过半监督的机器学习技术，CANDLE 将自动对门诊癌症患者的资料记录进行信息的抽取、整理和分析，从而构建一个综合性的监测癌症疾病转移和复发的数据库。

解决方案详解：

项目背景：英伟达于 2016 年 6 月正式宣布成为美国国家癌症研究所（NCI）和能源部（DOE）（联合外部）共同努力的重要联邦合作伙伴关系，以同时加速精准肿瘤学和计算领域的进步。英伟达与美国国家癌症研究所、美国能源部以及多个全国性实验室一起提出「Cancer Moonshot」计划，在 5 年的时间内完成需要耗时 10 年的癌症研究，在癌症预防、诊断和治疗方面能取得一系列前沿突破。这一计划将使用英伟达所拥有的人工智能技术来推动癌症的治疗以及预防工作。英伟达的计算机科学家和工程师将参与框架的建立。这项研究计划的内容包括创建一个基于人工智能技术的癌症分布式学习环境的框架——CANDLE（Cancer Distributed Learning Environment）。

CANDLE 的团队成员包括了来自美国国家癌症研究所、Frederick 国家癌症研究实验室、美国能源部、以及 Argonne, Oak Ridge, Livermore 和 Los Alamos 等地国家实验室的研究员。NVIDIA 的工程师和计算科学家将合力为此框架开发一个人工智能软件平台，配备最新的超级计算基础设施，以期能够帮助癌症的研究人员在每年的生产力上达到 10 倍的提升。

方案2：医学图像处理软件——syngo.via

解决方案简介：

syngo.via 是一款后处理和查看软件，它提供了工作列表管理、自动预处理和后处理工具。syngo.via 是用于医学图像显示、处理、通讯和存储的软件解决方案。它可以独立使用，也可与各种原版且未修改的基于 syngo 平台的软件选件共同使用。syngo.via 可以基于海量的医学文献与病例，构建大数据化的临床「病种知识库」，按照规范与指南，构建包括影像扫查、处理、报告全流程的「结构化任务」；然后模拟医生的处理操作与知识调用，创建相应的「影像处理流」，从而实现「智能前处理」与「处理即报告」。

解决方案详解：

具体来说，在医生打开病例前，syngo.via 则可以依循相关指南与共识，自动启动多软件并行处理。病例被点开后即可自动呈现规范准确的病证结果，并将多软件的处理结果合成在一个报告里，进而嵌入分期与分级的报告选项。这些技术能够生成病症完整、表达图表化、甚至分期与分级的报告，实现过程智能化与结果智能化，能够减少医生的工作时间。

syngo.via 可支持下列用户角色和职能：

1. 技师：实施图像质量保证；准备供读取的图像，例如处理大小、位置或定窗值；创建初步标记或测量结果；生成其他结果系列，例如平行范围；发送数据进行存档。

2. 放射科医生：执行成像检查、病人图像报告、完成而非核实报告、介入、负责病人和工作人员的安全、（发送数据进行存档）等。

3. 主治医生：以上全部职责，以及确认适应症（医疗检查）和核实报告。

4. 临床管理员：配置应用程序相关设置、用户管理、病人数据管理，是放射医生第一支持联系人。

5. IT 管理员：负责数据安全、数据保护、用户管理、DICOM 节点配置、短期存储 (STS) 管理以及备份和存档。管理临床网络和 PACS/RIS 系统的 IT 基础设施，负责管理和配置 syngo.via 系统的 IT 组件。

方案3：门诊人工智能平台——Clinical Analyzer、Coding Analyzer

解决方案简介：

门诊人工智能客户端为临床医生、护士和前线工作人员处理患者电子病历中的信息，以改善临床决策支持，帮助医生评估和了解患者的风险，并告知治疗和预防措施。擅长整合病人的电子病历中的信息，以建立一个定制模型，提供解决方案，实行个性化诊疗。

解决方案详解：

平台采用了临床算法、机器学习、自然语言处理以及专有的临床语境本体论（clinical contextual ontology），以提升临床效果和减少费用。

先从电子病历（Electronic Medical Record，EMR）、保险、以及实验室中获取结构化以及非结构化的数据。其次通过了解患者的临床和财务风险以及最佳方案，做出知情决策。最后通过智能见解，自动化优化工作流程。

方案4：医药处方错误消除系统

解决方案简介：

医疗保健服务提供者、够买药的客户和连锁药店可以利用其大数据来识别和消除广泛的处方错误，减少出错风险。 降低不必要的医院复查成本和过长的住宿时间提高患者的安全和满意度，提高整体医疗保健的效率和质量。

其多个软件解决方案可分别用于解决多项任务，包括预警系统 MedAS、风险管理 MedRIM、质量控制 MedQC、降低预警失误 MedRAF。

解决方案详解：

使用大数据分析和机器学习算法以分析电子病历（EMR）中的大规模记录。通过部署专有的算法来挖掘数百万电子病历中的信息，在引擎建立了代表实际治疗模式的数学模型。通过判断是否极大偏离标准治疗谱（standard treatment spectrum）的方案起提醒作用。

方案5：微型激光扫描模块芯片组件

解决方案简介：

能够满足汽车对温度和振动的苛刻要求，并能根本性降低激光雷达成本，解决了自动驾驶中的激光雷达成本过高，甚至高于整车的问题。 在整个汽车工作温度范围内，温度稳定性测试显示小于 0.5％ 的频率变化。 即使在最严重的振动试验中，频率变化仍然低于 0.5％。

解决方案详解：

使用 MEMS 微振镜替代了传统激光雷达的机械旋转结构，以及基于独特共振 1D MEMS 反射镜及集成 ASIC 的固态雷达扫描模块。

在和一级汽车制造商合作开发的 LiDAR 项目中，Innoluce 开发的 LiDAR 实现了白天单次发射探测最大距离 250 米、角分辨率小于 0.1°。由此，MEMS 反射镜激光扫描技术成为长距离、高分辨率、固态汽车 LiDAR 的新选择，并且价格有望突破100美元。

在固态 LiDAR 传感器的发射机构中，MEMS 反射镜激光扫描技术被认为可以成为闪光灯和光学相控阵的替代解决方案， MEMS 反射镜激光扫描技术具有更大的探测距离和更优的分辨率，而且其激光功率利用效率大于95%。因为信号处理和平均技术不要求实现远距离，因此实现了非常高的分辨率和帧频。单次发射获得的精确的原始数据，帮助实现独特而且高透明度的 LiDAR 目标检测和跟踪。游戏网

编后语：关于《每周AI应用方案精选：癌症预防治疗AI框架；医学图像处理软件》关于知识就介绍到这里，希望本站内容能让您有所收获，如有疑问可跟帖留言，值班小编第一时间回复。 下一篇内容是有关《后疫情时期，叮咚买菜加速扩张，今年营收目标200亿》，感兴趣的同学可以点击进去看看。