基于眼表圖像的 COVID-19 快捷風險篩查.pdf

《基于眼表圖像的 COVID-19 快捷風險篩查.pdf》由會員分享，可在線閱讀，更多相關《基于眼表圖像的 COVID-19 快捷風險篩查.pdf（29頁珍藏版）》請在三個皮匠報告上搜索。

1、眼表圖像檢測實現人體疾病風險篩查COVID-19 eye test付彥偉青年研究員中復旦大學大數據學院#page#基于眼表病理特征對特定疾病進行快捷風險檢測及健康評估AI平臺中核心團隊#page#1眼表疾病篩查#page#系統模型框架編輸入模型輸出HealthyDL-basedCOVID-19ImageClassificationPulmonaryPreprocessingNetworkOcular#page#內測版AppX試驗內測BETA1.0X試驗內測BETA1.0X試驗內測BETA1.08貨8新理題CW19測版新生道重析進聯檢測結果CV198a開給檢測2P30會O口AO口AO口#page

2、#算法借鑒先驗知識編“眼表望診學”（中醫目診五輪區域特征編碼表）肉輪（牌）風輪（肝）的口城血輪（心）E6氣輪（肺）水輪（腎）中國傳統醫學-基于五輪學說的眼表望診學“輪以通部形色為證，而廊推以血脈絲絡為憑參考文獻：太平圣惠方眼論秘傳眼科龍木論龍木總論仁齋直指方論望目辯證診斷學中醫目診五輪八廓學說，西方眼表微循環理論#page#2眼部檢測相關技術對比#page#編眼部檢測相關技術對比眼底相機檢測技術專業眼底相機拍攝1特定算法2針對特定疾病識別3大量人工標注修正保眼底相機設備與使用成本昂貴臨床技術相對成熟！#page#編眼部檢測相關技術對比眼表檢測技術普通手機/相機拍攝indinoInpu一種算法框

3、架多種疾病一次性識別專家啟發標注3弱監督自主學習眼底相機設備與使用成本昂貴臨床技術相對成熟！#page#3算法及系統簡介#page#編眼表疾病診斷系統醫學單位檢測結果特定疾病知識輸入特定疾病知識輸出表型定義特征知識圖譜特定疾病特征向量編碼表庫醫學單位實現疾病知識機器學習自動問答知識輸入分析結果數據輸入數據輸入解釋輸出特定疾病圖像采集圖像分析高維空間統計推斷解釋核心目標核心技術核心技術降低專業硬件依賴小0樣本、弱監督、終生學習高緯空間少量采樣樣本魯棒性學習手機、安防監控攝像機實現動靜態圖像采集更稀少更微弱現持續特征提取#page#眼表診斷云平臺編眼表圖像數據采集平臺負責進行數據采集同步與預處理眼

4、表圖像檢測算法平臺包括眼表病理特征知識圖譜模塊，負責進系統集成AI平臺的硬件載體行眼表特征數據的清洗加工。手機，高清攝像頭，眼視光醫療儀器眼表影像AI輔助診斷云平臺負責數據的存儲，進行相關資源與流程管理、應用及服務治理，對特征數據和各種云服務可視化呈現。眼表影像AI輔助診診斷云平臺#page#編眼表檢測技術應用場景遠程診療6680數據庫物聯網+服務遠程維護#page#4系統的高性能計算#page#復旦大學大數據學院編熱烈慶祝大數據學院大數據研究院成立五周年！馮建峰復旦大學大數據學院院長、數學應數而生學院特聘教授上海數學中心首席科學繼智而作家、“長江學者和創新團隊發展計劃特聘教授、“千人計劃”特

5、聘教授、RSA復旦大學大數據學院會員。復旦大學大數據學院和大數據研究院致力于大數據相尖的科學研究、人才培養和產業創新將以計算機科學、統計學為支撐學科與經濟學、管理學、醫學、生命科學等眾多學科進行深度交又研究面向產業需求推進基礎研究成果的產業轉化復旦大學大數據學院建設目標是成為具有世界影響力的數據生產集成平臺、數據科學研發基地、數據價值創造與創新工場以及數據人才培養高地。#page#綿我們使用IBMOpenPower機器以及NVIDIAGPUPOWER9GPUConnectivityLarge Model Supportwith NVLINK2.0Use system memory and GP

6、U to support more主力產品complexand higherresolution dataPOWERNVLinkVi00CHBOData Pipe150GBCPUIGPUNVLINKTesld系列POWERDDR4CPU適用：極其先進的數據中心GPU，能加快AI、高性VolGPU#1VolGPU2能計算（HPC）處OGPU理要求，滿足最嚴5格的高性能計算150GBGPU toGPU NVLINK（3Brixks）Le et al. TFLMS:Large Model Support in TensorFlow by Graph Rewriting， 2018#page#中Tes

7、la V100 and CUDANVIDIA Tesla V100NVIDIA CUDATESLACUDA注：V100分PCIE、NVLink不同的版本#page#系統服務器支持平臺實驗平臺實例管理實例管理會服務器列表實例管理占用卡備注信息使用者機名實例名管理機器用戶管理口資源分配COM二倉庫列表200325_OPU.1k0F151558DBCLOUD#page#編醫生專家信息與高性能計算高性能計算及數據整合大數據存儲醫生邊緣計算及聯邦學習基于計算機視覺：分析醫學影像識別和診斷疾??；門基于自然語言處理：構成病例知嵌入式設備病人數據采集多設備采集識圖譜，分析患者對癥狀的描述醫院基于機器學習：通過

8、學習設備監測患者情況，#page#隱私保護下的端云協同高性能計算胖模型：設計要求：盡量滿足用戶體驗，具有現實可行性，靈活性，類別多，模型參數多，工作在云側類別少，可擴展瘦模型模型參數少，工作在端側圖片A類用戶偏好M類圖片，MN數據集（N類）用戶交互手機云側訓練蒸榴端側訓練瘦模型瘦模型古串分類瘦模型瘦模型瘦模型胖模型（知識匯聚）訓練偽樣本針對A類用的端-云協同訓練模型聚合端側：算存資源受限算存資源充足：云側在隱私和低通信代價下，設計端云協同聯合學習技術框架#page#中小樣本學習及深度模型訓練算法Model1DessiBGoogle平均Model期望得到的W8Model2參數變化不影響原始結果的

9、方向-正交空間CompressiveOverparameterizedSpace(W,）NetworksWNetworkinSpaceW小樣本學習、元學習DessiLBI,ICML2020#page#5臨床實驗驗證#page#臨床實驗流程編143Heaiyvounters104COVID-19patientsOcularsurfacePhotographsFeaturesextractionTralmning68OculardiseasepatlentsDeeplearningmodel35HealyvolnteersValidation24COVID-19patlentsROC curveO

10、ularsurfacePhotographs31Pulmonarydiseasepatients高FeaturesextractionTesing33OculardiseasepatentROC cuveMICOVID-19vs.HealthyCOVID-19vs.HeamhyOne vs.RestCOVD-19sPulonaryMild COVID-19v.PumonaryCOVID-19Vs.OcularMildCOVID-19sOcular#page#實驗結果編BA02060808020.60804-SpecificityCOVID-19vshealthy volunteerCOVID-

11、19 vs Pulmonary diseasCOVID-19vsOculardiseaseED2000.202028008spocificitysoecificitspociicibyMild COVID-19vs Ocular diseaseMild COVID-19 vs healthy volunteerMild COVID-19vs Pulmonarry disease#page#6結論及展望#page#編眼表檢測疾病規劃目前針對職業人群，青少年人群，中老年眼部疾病檢測與健康評估人群，主要分別劃分了三大類可進行疾病檢測與健康評估類型，未來規劃可檢測和評估近視、干眼病、結膜炎等；的特定疾

12、病可達到300余種，依據產品開發步驟分階段循序漸進實施。慢性病檢測與健康評估在公共衛生領域，本項目的眼表圖像檢測高血壓、糖尿病、貧血等；算法模型研發團隊，基于COVID-19新冠疾病眼部便捷拍攝檢測的遠程風險篩查，在進內科疾病檢測與健康評估行重點攻關研究與市場轉化，目前臨床檢測肺及呼吸道部疾病、肝部疾病、胃腸部疾病、心腦血管疾病等；準確率已達到85%以上。#page#行業應用：AI+醫療高性能計算及數據整合提高效率與精準度大數據存儲手術機器人智能問診AI健康助理醫生邊緣計算及聯邦學習幫助診斷和風險預測基于計算機視覺：分析醫學影像識別和診斷疾??；發學門8基于自然語言處理：構成病例知嵌入式設備多設備采集健康監測預警智能影像識別病人數據采集智能診斷識圖譜，分析患者對癥狀的描述醫院藥物創新和治療探索基于機器學習：通過學習設備監測患者情況，L創新治療藥物研發智能義胺28#page#THANKS