如何用深度学习颠覆医疗领域？相信GTC这六个演讲不会让你失望

本篇文章1037字，读完约3分钟

雷锋。com ai技术评论:第八届gtc大会将于下周在圣何塞举行，届时雷锋。(公开号码:雷锋。com)将亲自带来一线报道。

如果你想知道人工智能是如何颠覆健康产业的？Gtc会议肯定不会让你失望。

雷锋。com了解到，gtc的医疗保健跟踪课程将带来50多个细分课程，并详细分析了人工智能和深度学习如何帮助外科医生更有效地治疗放射学、肿瘤学、遗传学和药物开采领域的疾病。

多亏了图形处理器，研究人员开发的算法可以更快更准确地分析数据，训练计算机挖掘数据，并帮助实现治疗目标。外科医生能够探索更好的治疗方法，并以更低的出错率抗击一些威胁性疾病(如癌症)。

在这次gtc会议上，斯坦福大学的研究人员将分享他们如何训练一个神经网络来比专业医生更准确地诊断皮肤癌的病变区域；这所大学的肿瘤学家采用了同样的深度学习技术，并成功地将其应用于肺癌的诊断，有效地提高了放射科医生的日常工作效率。

深度学习还推动了新的探索和发现，并增强了医学领域中gpu计算能力的扩展和延伸。在gtc，梅奥诊所的医学研究人员将展示如何通过深入学习而不用活组织检查来识别脑肿瘤的基因组信息。

此外，将有六个研讨会，涵盖医学问题，如放射学，图像分割和定量成像。英伟达官方网站推荐了一些不能错过的医疗会议。雷锋。com编译如下:

斯坦福大学的科特·朗洛茨介绍了该团队目前的工作。为了降低医学图像的识别错误率，该团队创建了一个庞大的医学图像研究资源库，将基因组数据、组织数据库和病历信息联系起来。

ge healthcare的Michael dahlweid将介绍如何利用深度学习来帮助诊断医学图像，并帮助克服护理人员面临的挑战。

心脏放射学的误诊可能使患者错过关键的治疗机会。antery的daniel golden将在gtc上展示云计算和深度学习的魅力。

纪念斯隆·凯特琳癌症中心的托马斯·富克斯将告诉我们，该团队如何利用数百个英伟达图形处理器和字节级的临床数据来改变医学诊断和研究的未来。

斯坦福大学的奥利维耶·格瓦特建立了一个深度学习框架，可以预测肺癌患者的存活率。

从5月8日到5月11日，这些主题演讲将会一一面对听众，包括医生、科学家、研究人员和学术界的研究人员。无论是针对疾病的早期诊断、更高质量的诊断结果，还是医疗保健领域背后的巨大市场，gtc都为他们提供了广阔的交流平台。下周，雷锋。com将把最新鲜的内容带到前线。请注意。

vianvidia

雷锋文章版权所有。严禁擅自转载。详情请参考转载说明。

来源：搜狐微门户