深度学习

ai

Artificial Intelligence

我们的服务清单

FUSE-AI 软件是基于自学习“深度学习”的算法。它的目标是使医生的技能,义务和责任得到增强。它不仅诊断时间被缩短,而且还提高了诊断和治疗的质量。

1.深度学习算法

深度学习使得机器可以思考。深学习算法是基于人脑的结构和远远优于专家意见传统软件。深度学习算法是计算的自学习方法。他们带来大的数据集在一个神经结构,这是在大脑的结构建模。这使得他们对数据进行分类能力。换句话说:深度学习算法,它可以识别他们所看到,听到或读到智能程序。

有两种方法来训练这样的算法:

(1)当“监督学习”算法接收数据元素本身(“标记数据”)和数据记录非标记(“未标记的数据”)的。差可以由猫的图像的公知的例子来说明:猫,其特点是与说明书“猫”的图像“标记的数据”。在猫,这是不打成这样的图像,是“未标记数据”。一个人类数据分析员识别已错误地划分了计算机,使神经网络可通过此校正进行优化的所有文件。因此,人在这里训练的机器。
(2)当“无监督学习”的算法被送到了一个完全标记的记录。这里的算法构造为本身记录在一个神经网络 - 未经人访问。对于医疗行业本身提供了“监督学习”,因为在这样的算法保证了更低的误码率的应用程序。


2. 我们开发的医疗保健深学习算法是为了使医生的的技能,职责和责任得到补充而不是取代它们。

随着技术的发展,人力劳动会越来越少,因此,人会慢慢的失去一些技能。例如,可以假设经常使用的导航系统的人,离开了导航仪就会有很大的困难,在一个大城市中找到目的地。然而在医疗保健方面,智慧和经验是不可替代的。因此,我们开发的深度学习算法扩展功能不能取代医生的工作,技能和专业知识。我们通过自我学习算法来帮助医生解读图像的像素,分析图像来提高医疗的效率 。

我们为临床诊断和医学应用的特性和灵敏度的科学研究提供协助。自学习算法可以显著缩短在医院的流程,从而降低成本。一个例子是核医学诊断方法与先进的窗口技术。
我们开发的学习算法的理解,他看到一个屏幕上的内容,并可以描述的形象。这意味着,例如放射科医师或主治医师与艺术的描述性文本分类影像“的对象的位于B 区,直径C.”接收。是指现在医生这个数字在诊断用,整个过程不仅时间大大缩短,同时也大大提高了诊断质量。


3.深入学习算法正在改变医疗保健的质量和建立其服务的完整性 – 这由你来决定

深学习算法已经在为手机或手持设备的医疗行业应用很多智能功能的基础:我们人类“理解”系统的出现在个人健康助理为Your.MD,Ome 或Babylon 健康上。这里,应用问题,或描述他的症状的用户。然后创建了一个应用程序,使诊断处理意见或建议。

智能算法还可以在研究许多方法找到。公司DeskGen 使用为方法“CRISPR”中找到的DNA 序列可以切出并通过新的DNA 取代。分层医学工程与深学习,以优化药物发现的过程。深基因组有规定的预测癌症早期即可人类基因组的解码,并借鉴了深度学习。许多深深的学习算法已经在临床使用。 Enlitic 采用了智能图像识别,以优化基于放射扫描诊断。目前最成功的算法(Inception-V3(ArXiv)),用于图像识别具有仅3.46%不合格率 – 而人工识别的平均错误率却高达5%。

下图显示了在国家就业工作队伍。它显示了如何就业 - 在一些国家 - 对服务业专门关注。
大部分的劳动力在全球范围集中在服务业。在这一领域也涵盖了医疗行业。Jeremy Howard 在2014 年时预测,自我学习算法将接管工作中的很大一部分服务。这是否预测成功,这是有道理的,处理基于神经网络的高尖端技术一直保持着竞争力。


4.我们的客户和他们的病人的数据的处理负责具有最高优先级

我们希望能与医院合作,让他们的病人和他们的同意(知情同意)的情况下,让我们获得他们的匿名数据来继续开发,完善我们的算法。
一旦这些匿名数据,文件或医疗记录都不再需要了,我们保证删除那些数据。数据保护监管机构会监督我们。
我们的合同也会约定,数据不会向不参与算法开发的第三方披露。


5.工作量,操作或额外费用 - 我们创造附加价值:改善的结果!

FUSE-AI 提供对通过使用自适应系统的个性化解决方案。
您给我们提供的数据是改善和个性化处理的投资。
FUSE-AI 与我们的深度学习软件减轻了医院的日常工作,提高了研发效率和改善了您的客户关系。

这是您的附加价值。

找到我们 Find Us

FUSE
Integrierte Kommunikation
und Neue Medien GmbH

Address: Bergstraße 16, D-20095 Hamburg
Phone: 040 450 318 0
Email: jens.frerichs@fuse-ai.de