Covid-19
2020. je bila čudna godina s virusom Covid-19. Medicinski tehničari i znanstvenici širom svijeta pokušavaju pronaći cjepivo i zadržati ga. Ovo nije važno samo za ljudski život, već i za poduzeća i utjecaj koji je imao globalno.
COVID-19
Prema Coronavstats od 21. rujna 2020. u Velikoj Britaniji trenutno je bilo ukupno 398 625 infekcija, a broj smrtnih slučajeva 41 788. Trenutna stopa smrtnosti od nešto više od 10% ukupnih slučajeva alarmantna je. Utvrđeno je da je širenje eksponencijalno. Stoga je zadržavanje vitalno, u tehnološkom svijetu AI se koristi za pomoć u otkrivanju i zadržavanju cjepiva. AI se može koristiti za brže pronalaženje pravih cijepljenja analizom prethodnih na temelju sličnih proteinskih struktura infekcije i širenja.
Domovi zdravlja sve više koriste umjetnu inteligenciju. Sustavi za skeniranje rentgenskog zračenja prsnog koša mogu automatski otkriti virus i iskoristiti prepoznavanje slika pomoću mogućnosti AI. AI nudi mnogo bržu obradu. Regulatori i vladine agencije tada prikupljaju podatke i čine ih dostupnima u više entiteta. Istraživači i mikrobiolozi koriste se tim podacima i ostalim podacima za stvaranje boljih lijekova koji analiziraju utjecaj lijekova i identificiraju virus i druge bakterije, poput lijekova bez granica.
Liječnici bez granica i Tenserflow Lite
TensorFlow
Primjer upotrebe potencijalne AI u pronalaženju cjepiva može se naći iz trenutnih medicinskih istraživanja identifikacije bakterija, kako se vidi u ovom YouTube Video . Médecins Sans Frontières dobrotvorna je organizacija koja pruža medicinsku skrb u cijelom svijetu i propisuje niz antibiotika u preko 70 zemalja. Otkrili su da je sve veći broj pacijenata zaražen bakterijama otpornim na više lijekova. Moguće je da bi se isti koncept mogao koristiti za Covid-19, u njihovoj upotrebi AI, i Googles TensorFlow. TensorFlow je besplatna Googleova AI ponuda otvorenog koda i, TensorFlow Lite (koriste je Medicinari bez granica), mobilna verzija dostupna je za preuzimanje na iOS-u i Androidu.
Ono što su Médecins Sans Frontières otkrili je da se pacijentima često daju pogrešni antibiotici, zbog nemogućnosti da točno utvrde virus kojim pacijent može biti zaražen. Koriste TensorFlow kako bi identificirali ispravne antibiotike za svoje pacijente.
To dovodi do nekoliko izazova. Da bi se identificirale bakterije, potrebno je više testova kako bi se znalo s kojom se vrstom bakterija radi. Postoji dodatni korak koji tumači rezultate u mnogim zemljama u kojima djeluju Liječnici bez granica. Nažalost, nema dovoljno iskusnog osoblja mikrobiologa koji bi radio ovakva tumačenja. AI bi mogao biti potencijalno rješenje za ovaj problem, umjesto da zamjenjuju osoblje mikrobiologa, pomažu postojećem osoblju u tumačenju dijagnostičkih testova u kraćem vremenskom roku, koristeći TensorFlow lite koji je dostupan na nizu mobilnih telefona u svim njihovim klinikama . Aplikacija ne mora biti na mreži, pa se može koristiti u područjima s lošim područjem signala.
TensorFlow koristi računalni vid i strojno učenje pomoću Pythona za otkrivanje interakcija između bakterija i antibiotika, koristeći samo sliku Petrijeve zdjelice. Kao rezultat upotrebe ove tehnologije, Liječnici bez granica uspjeli su u roku od nekoliko dana osposobiti testni model. Također se pokazalo iznenađujuće brzim i lakim za postizanje. Razvili su prototip s ciljem da dijagnostičko testiranje učine dostupnim, lakim i pristupačnim u cijelom svijetu. Ova bi aplikacija mogla promijeniti igru u pomaganju milijunima ljudi širom svijeta, pogotovo ako se može prilagoditi u potrazi za cjepivom za Covid-19, kao i za brojne druge bolesti. Također može pomoći u davanju savjeta o najboljim upravljačkim praksama.
Djeluje pomoću otkrivanja predmeta, koristeći unaprijed označene slike, bakterija bolesti i uspoređujući s fotografijom petrijeve zdjelice. U mogućnosti je prognozirati za manje od jedne sekunde. Ljepota sustava koji pruža TensorFlow je u tome što, umjesto da treba pisati tisuće redaka koda, postoji biblioteka funkcija koje omogućuju izgradnju različitih arhitektura, u mnogo manje vremena. Može smanjiti ove ruralne mreže kako bi se mogle uklopiti u mobilni uređaj. Ljudski doprinos je presudan za proces. Vrlo brzo može proći kroz stotine milijuna slika i može se prilagoditi stvaranju različitih vrsta neuronskih mreža.
U potrazi za cjepivom za Covid-19, strategija koju koriste Médecins Sans Frontières mogla bi biti dobro mjesto za početak korištenja AI koristeći TenserFlow.
Primjer TensorFlow Lite na Androidu
TensorFlow omogućuje vam brzo pokretanje modela strojnog učenja na mobilnim uređajima s malim kašnjenjem, tako da možete izvoditi klasifikacije bez potrebe za ponovljenim mrežnim pozivima poslužitelju. Dostupan je na Androidu i iOS-u putem C ++ API-ja. Postoji Java omot za Android uređaje koji ga može podržati. Tumač koristi Android neuronske mreže API za hardversko ubrzanje.
Aplikacija je izrađena pomoću modela mobilne mreže. Mobilne mreže su male i troše malo energije. Modeli se mogu dizajnirati da zadovolje nekoliko slučajeva korištenja poput otkrivanja predmeta, poput različitih vrsta biljaka ili drveća. Pruža fino zrnastu klasifikaciju. Dostupno je nekoliko prethodno obučenih modela s policama za rad.
Pri prvom radu s TensorFlow liteom preporučuje se rad s ovim unaprijed izgrađenim modelima. Međutim, TensorFlow Lite još ne podržava sve značajke potpuno razvijenog TensorFlowa.
Da biste koristili TensorFlow na mobilnom uređaju, morate uključiti literarne knjižnice TensorFlow. To se postiže uređivanjem vaše graditeljne datoteke gradle kako biste osigurali da ih uključite. Sljedeći je korak uvoz TensorFlow tumača. Tumač učitava model i omogućuje vam pokretanje pružajući mu set ulaza. TensorFlow lite izvršava model i zapisuje izlaze. To je jednostavan postupak, iako je tehnologija koja stoji iza njega složena.
Model treba pohraniti u sredstva aplikacije. Kôd će tada model pročitati izravno odatle, iako se model može učitati s bilo kojeg mjesta. Jednom kada se model učita, može se pokrenuti interpreter.
U slučaju medicinskog istraživanja, aplikacija očitava okvire s fotoaparata i pretvara ih u slike. Te se slike (u slučaju Liječnika bez granica, petrijevke) koriste kao ulazni podaci za model koji daje povratne vrijednosti. Te su vrijednosti indeks odgovarajuće naljepnice (u ovom slučaju identifikacija bakterija), a tisuće unaprijed pripremljenih, označenih slika uskladile bi se s tom oznakom.
U ovome možete saznati više o treningu modela TensorFlow video vodič za pokretanje modela TensorFlow na Androidu.
Detekcija Covid-19 pomoću UiPath tkanine
RTG grudnog koša
UiPath je tvrtka specijalizirana za AI rješenja za automatizaciju. Istraživači sa Sveučilišta Waterloo i Darwin koristili su UiPath Fabric koja je inicijativa otvorenog koda za dizajniranje modela neuronske mreže za otkrivanje slučajeva COVID-19, koristeći rendgenske snimke prsa. Model je osposobljen na javno dostupnom skupu podataka koji se sastoji od 76 slika pacijenata s covid 19 kao što je prikazano u ovom videu You Tube.
Tijek rada je jednostavan, sastoji se od datoteke i rendgenske slike. Oni se šalju modelu strojnog učenja koji daje rezultate. Aplikacija traži sliku. To je sve što vam treba za obuku modela od osoba bez bolesti i za razlikovanje osoba s upalom pluća i osoba s COVID-19. Rezultat je rezultat klasifikacije strojnog učenja.
Dakle, za bilo koju rentgensku ili CT snimku prsnog koša softver nudi predviđanje da slika dolazi od pacijenta s Covid-19. U ovoj fazi istraživanja ne radi se o proizvodnoj verziji, već o preliminarnom eksperimentu.
AI se koristi za pomoć u istraživanju zadržavanja Covid-19 i možda za otkrivanje virusa. Mobilne aplikacije, poput TensorFlow Lite, mogu provjeriti ima li virus virus unošenjem korisničkog unosa, automatskim dobivanjem nekih podataka o njihovom mjestu i ocjenjivanjem prema stupnju rizika. Možete zamisliti situaciju da, ako je potvrđena mobilna lokacija pacijenta uvijek poznata, vlada može upozoriti ljude koji su bili u kontaktu s navedenom osobom. Ovo je poznato kao 'Track and Trace'.
Bert , još jedna Googleova inicijativa za inteligenciju, koja se primjenjuje na ovaj ogroman skup podataka kako bi se izvadile korisne informacije o virusu, koristeći Obradu prirodnim jezikom (NLP). NLP se može koristiti za razumijevanje strukture proteina i brži razvoj potencijalnih cijepljenja, uključujući pružanje informacija o područjima na koja su ljudi pogođeni.
To bi također trebalo pomoći mikrobiolozima da razumiju mogućnosti liječenja, uzimajući u obzir sve štetne učinke, i odrede točnu dozu. Bert riječi i rečenice gleda iz oba smjera, slijeva udesno i udesno ili ulijevo kako bi mogli razumjeti i prepoznati određene riječi u punom kontekstu. Dakle, s kombinacijom modela AI, poput TensorFlowa i Berta za obradu prirodnog jezika za pomoć mikrobiolozima, možda cjepivo za Covid-19 možda nije predaleko, ali još uvijek je u tijeku. AI se pokazuje korisnim kao što su pokazali ovi primjeri za pružanje rješenja za potencijalno cjepivo Covid-19 i sposobnost praćenja.
Oznake COVID-19 TensorFlow
