深度學習:拆解健康密碼

(文章於2018年8月16日在香港經濟日報刊登)

26995219499_7b396b0ea4_k

用內窺鏡和大腸鏡檢查人體內部,始自1880年代,病理學家須接受長期訓練,用顯微鏡和侵入性測試辦別腫瘤。隨城市人口與內科疾病增加,診斷專家日漸吃緊,肉眼有時難免誤診。能否將深度學習 (Deep Learning) 技術用於診斷影像?

深度學習模仿人類腦部神經元互相連結,迅速處理及傳遞訊息。人工神經網絡利用層次、連結和方向傳遞數據,由第一層出發,每層進行不同工序,直到最後一層,數據成為輸出的洞見。分析醫療影像約需100層人工神經網絡。

人工神經網絡在醫學應用上有巨大潛力,但要機器像人類般「思考」,須增加神經網絡的層數去處理數據,耗用龐大運算資源。高效能運算系統如 IBM POWER Systems,能為局面帶來轉機。本港有部分研究機構更已引入有關系統,進行深度學習在醫學領域的研究。

訓練人工神經網絡進行深度學習,當中涉及運用區域性卷積神經網絡,把不規則影像分拆為數千小區域,每區產生數千項數據,計算它們是否相似,然後再以非線性方法分析不規則數據。此外,研究隊伍使用大量人體異常組織的影像,讓系統深度學習,判斷不同細胞的大小、形狀,及相對於其他細胞的位置。

項目中所採用的系統具備雙重處理器,並藉著 NVIDIA 的技術,在處理器與圖像處理器間提供高頻寬低延遲連結,大幅加快深度學習的訓練時間,由數十星期縮短至數十小時;讓研究人員能更快處理影像數據和深度學習,進一步協助拆解健康密碼。

jeff-hui-300

IBM香港系統部總經理許旭煦

Leave a Reply

Fill in your details below or click an icon to log in:

WordPress.com Logo

You are commenting using your WordPress.com account. Log Out /  Change )

Twitter picture

You are commenting using your Twitter account. Log Out /  Change )

Facebook photo

You are commenting using your Facebook account. Log Out /  Change )

Connecting to %s