Covid-19
2020. gads ir bijis dīvains ar Covid-19 vīrusu. Medicīnas tehniķi un zinātnieki visā pasaulē mēģina atrast vakcīnu un to saturēt. Tas ir svarīgi ne tikai cilvēka dzīvībai, bet arī uzņēmumiem un tam ir bijusi ietekme visā pasaulē.
Covid-19
Pēc Koronavstats 2020. gada 21. septembrī Apvienotajā Karalistē kopumā bija 398 625 infekcijas un mirstība bija 41 788. Pašreizējais mirstības līmenis, kas nedaudz pārsniedz 10% no visiem gadījumiem, ir satraucošs. Ir konstatēts, ka izplatība ir eksponenciāla. Tādēļ ierobežošana ir vitāli svarīga, tehnoloģiju pasaulē AI tiek izmantots, lai palīdzētu atklāt un vakcinēt vakcīnas. AI var izmantot, lai ātrāk atrastu pareizās vakcinācijas, analizējot iepriekšējās, pamatojoties uz līdzīgām infekcijas olbaltumvielu struktūrām un izplatīšanos.
Veselības centros arvien vairāk tiek izmantots mākslīgais intelekts. Krūškurvja rentgena skenēšanas sistēmas var automātiski noteikt vīrusu un izmantot attēlu atpazīšanu, izmantojot AI iespējas. AI piedāvā daudz ātrāku apstrādi. Pēc tam regulatori un valsts aģentūras apkopo datus un dara tos pieejamus vairākām vienībām. Pētnieki un mikrobiologi izmanto šos datus un citus datus, lai izveidotu labākas zāles, analizējot zāļu iedarbību un identificējot vīrusu un citas baktērijas, piemēram, Medicīnas bez robežām.
Medicīnas bez robežām un Tenserflow Lite
TensorFlow
AI potenciālās izmantošanas piemērs vakcīnas atrašanai ir atrodams no pašreizējiem medicīniskajiem pētījumiem par baktēriju identifikāciju, kā tas redzams šajā YouTube video . Medicīniskās zāles bez robežām ir labdarības organizācija, kas sniedz medicīnisko aprūpi visā pasaulē un vairāk nekā 70 valstīs izraksta virkni antibiotiku. Viņi ir atklājuši, ka arvien vairāk pacientu ir inficēti ar daudzām zālēm rezistentām baktērijām. Iespējams, to pašu jēdzienu varētu izmantot arī Covid-19, lietojot AI, un Google TensorFlow. TensorFlow ir bezmaksas un atvērtā koda AI piedāvājums no Google un TensorFlow Lite (izmanto Médecins Sans Frontières), mobilā versija ir pieejama lejupielādei iOS un Android.
Tas, ko Médecins Sans Frontières atklāja, ir tas, ka pacientiem bieži tiek ievadītas nepareizas antibiotikas, jo viņi nespēj precīzi noteikt precīzu vīrusu, ar kuru pacients var būt inficēts. Viņi izmanto TensorFlow, lai palīdzētu noteikt pareizās antibiotikas saviem pacientiem.
Tas rada vairākas problēmas. Lai identificētu baktērijas, ir nepieciešami vairāki testi, lai zinātu, ar kāda veida baktērijām viņi nodarbojas. Ir vēl viens solis, kas ir rezultātu interpretācija daudzās valstīs, kurās darbojas Medicīnas bez robežas. Diemžēl, lai veiktu šīs interpretācijas, nav pietiekami daudz pieredzējušu mikrobiologu darbinieku. AI varētu būt potenciāls risinājums šai problēmai, jo tā vietā, lai aizstātu mikrobiologu personālu, viņi palīdz esošajiem darbiniekiem īsākā laika posmā interpretēt diagnozes testus, izmantojot TensorFlow lite, kas ir pieejama dažādos mobilajos tālruņos visās viņu klīnikās. . Lietojumprogrammai nav jābūt tiešsaistē, tāpēc to var izmantot slikta signāla apgabalā.
TensorFlow izmanto datoru redzi un mašīnmācīšanos, izmantojot Python, lai noteiktu baktēriju un antibiotiku mijiedarbību, izmantojot tikai Petri trauka attēlu. Šīs tehnoloģijas izmantošanas rezultātā Médecins Sans Frontières dažu dienu laikā izdevās apmācīt testēšanas modeli. Tas arī izrādījās pārsteidzoši ātri un viegli sasniedzams. Viņi ir izstrādājuši prototipu ar mērķi padarīt diagnostikas testēšanu pieejamu, vieglu un pieejamu visā pasaulē. Šī lietojumprogramma varētu būt spēļu pārveidotājs, palīdzot miljoniem cilvēku visā pasaulē, it īpaši, ja to var pielāgot, meklējot vakcīnu pret Covid-19, kā arī daudzām citām slimībām. Tas var arī palīdzēt sniegt konsultācijas par labāko pārvaldības praksi.
Tas darbojas, izmantojot objektu noteikšanu, izmantojot iepriekš anotētus slimību baktēriju attēlus, un veicot salīdzinājumus ar Petri trauka fotogrāfiju. Tas spēj prognozēt mazāk nekā vienā sekundē. TensorFlow piedāvātās sistēmas skaistums ir tāds, ka tā vietā, lai rakstītu tūkstošiem koda rindu, ir funkciju bibliotēka, kas ļauj veidot dažādas arhitektūras daudz īsākā laikā. Tas var samazināt šos lauku tīklus, lai tos varētu ievietot mobilajā ierīcē. Cilvēka ieguldījums ir izšķirošs procesā. Tas ļoti ātri var iziet cauri simtiem miljonu attēlu, un to var pielāgot, lai izveidotu dažāda veida neironu tīklus.
Meklējot vakcīnu pret Covid-19, Médecins Sans Frontières izmantotā stratēģija varētu būt laba vieta, kur sākt izmantot AI, izmantojot TenserFlow.
TensorFlow Lite Android piemērā
TensorFlow ļauj ātri palaist mašīnmācīšanās modeļus mobilajās ierīcēs ar zemu latentumu, lai jūs varētu veikt klasifikāciju bez nepieciešamības veikt atkārtotus tīkla zvanus uz serveri. Tas ir pieejams Android un iOS, izmantojot C ++ API. Android ierīcēm ir Java iesaiņotājs, kas to var atbalstīt. Tulks aparatūras paātrināšanai izmanto Android neironu tīklu API.
Lietotne ir veidota, izmantojot mobilā tīkla modeli. Mobilie tīkli ir mazi un patērē maz enerģijas. Modeļus var veidot, lai tie atbilstu vairākiem lietošanas gadījumiem, piemēram, objektu noteikšanai, piemēram, dažādu veidu augiem vai kokiem. Tas nodrošina smalkgraudainu klasifikāciju. Darbam ir pieejami vairāki iepriekš apmācīti, gatavi modeļi.
Pirmoreiz strādājot ar TensorFlow lite, ieteicams strādāt ar šiem iepriekš uzbūvētajiem modeļiem. Tomēr TensorFlow Lite vēl neatbalsta visas pilnā TensorFlow funkcijas.
Lai izmantotu TensorFlow mobilajā ierīcē, jāiekļauj TensorFlow lite bibliotēkas. Tas tiek panākts, rediģējot savākšanas pakāpes failu, lai pārliecinātos, ka tie ir iekļauti. Nākamais solis ir TensorFlow tulka importēšana. Tulks ielādē modeli un ļauj to palaist, nodrošinot to ar ievades kopu. TensorFlow lite izpilda modeli un uzraksta rezultātus. Tas ir vienkāršs process, kaut arī tā pamatā esošā tehnoloģija ir sarežģīta.
Modelis jāuzglabā lietojumprogrammas aktīvos. Pēc tam kods nolasīs modeli tieši no turienes, lai gan modeli var ielādēt no jebkuras vietas. Kad modelis ir ielādēts, var tulkot tulku.
Medicīniskās izpētes gadījumā lietojumprogramma nolasa kadrus no kameras un pārvērš tos attēlos. Šie attēli (gadījumā, ja Médecins Sans Frontières ir Petri trauks) tiek izmantoti kā modeļa ievade, kas izvada atgriezeniskās vērtības. Šīs vērtības ir attiecīgās etiķetes indekss (šajā gadījumā baktēriju identifikācija), un tūkstošiem iepriekš sagatavotu, piebildēm pievienotu attēlu pēc tam atbilstu šai etiķetei.
Šajā vietnē varat uzzināt vairāk par TensorFlow modeļu apmācību video ceļvedis TensorFlow modeļu darbināšanai Android ierīcēs.
Covid-19 noteikšana, izmantojot UiPath Fabric
Krūškurvja rentgenogrāfija
UiPath ir uzņēmums, kas specializējas AI automatizācijas risinājumos. Pētnieki Vaterlo un Darvina universitātē ir izmantojuši UiPath Fabric, kas ir atvērtā koda iniciatīva, lai izstrādātu neironu tīkla modeli, lai atklātu COVID-19 gadījumus, izmantojot krūškurvja rentgena attēlus. Modelis tika apmācīts par publiski pieejamu datu kopu, kas sastāv no 76 attēli no pacientiem ar covid 19 kā parādīts šajā You Tube videoklipā.
Darbplūsma ir vienkārša, sastāv no faila un rentgena attēla. Tie tiek nosūtīti uz mašīnmācīšanās modeli, kas sniedz rezultātus. Lietojumprogramma pieprasa attēlu. Tas viss, kas jums nepieciešams, lai apmācītu modeli no cilvēkiem, kuriem nav slimību, un lai atšķirtu cilvēkus ar pneimoniju un cilvēkus ar COVID-19. Rezultāts ir mašīnmācīšanās klasifikācijas rezultāts.
Tātad jebkuram krūšu kurvja rentgenstaru vai datortomogrāfijas attēlam programmatūra sniedz prognozi, ka attēls nāk no pacienta ar Covid-19. Šajā pētījuma posmā tā nav ražošanas versija, bet gan provizorisks eksperiments.
AI tiek izmantots, lai palīdzētu pētījumos, lai saturētu Covid-19, un, iespējams, atklātu vīrusu. Mobilās lietotnes, piemēram, TensorFlow Lite, var pārbaudīt, vai indivīdam ir vīruss, barojot ar kādu lietotāja ievadītu informāciju, automātiski iegūstot dažus datus par savu atrašanās vietu un novērtējot viņus pēc riska pakāpes. Jūs varat iedomāties situāciju, kad, ja apstiprināta pacienta mobilā atrašanās vieta vienmēr ir zināma, valdība var brīdināt cilvēkus, kuri bijuši kontaktā ar minēto personu. Tas ir pazīstams kā “Track and Trace”.
Bērts , vēl viena Google AI iniciatīva, tiek izmantota šai plašajai datu kopai, lai iegūtu noderīgu informāciju par vīrusu, izmantojot dabiskās valodas apstrādi (NLP). NLP var izmantot, lai izprastu olbaltumvielu struktūru un ātrāk izstrādātu potenciālās vakcinācijas, tostarp sniedzot informāciju par teritorijām, kurās cilvēki tiek skarti.
Tam vajadzētu arī palīdzēt mikrobiologiem izprast ārstēšanas iespējas, ņemot vērā jebkādas negatīvas sekas, un noteikt pareizo devu. Bērts aplūko vārdus un teikumus abos virzienos, no kreisās puses uz labo un pa labi vai pa kreisi, lai viņi varētu saprast un identificēt konkrētus vārdus pilnā kontekstā. Tātad, apvienojot AI modeļus, piemēram, TensorFlow un Bert for Natural language processing, lai palīdzētu mikrobiologiem, varbūt vakcīna pret Covid-19 var nebūt pārāk tālu, taču tā joprojām ir nepabeigta darbība. AI ir izrādījusies noderīga, kā parādījuši šie piemēri, lai sniegtu potenciālās Covid-19 vakcīnas risinājumu un izsekošanas iespējas.
Tagi Covid-19 TensorFlow
