其他行业 · AI应用
基于组织切片的皮肤癌自动诊断
昆士兰大学的研究人员发现，病理学家面临的一个重大挑战是：每天需要从大量的组织切片中识别癌细胞，这些切片数量可达数百张。为了解决这个问题，他们使用GPU加速的超级计算机训练了一个专门用于皮肤癌诊断的卷积神经网络（CNN）。这一创新方法使网络能够在15分钟内分析30,000张图像，如果没有如此先进的计算资源，这一任务被认为是“难以处理的”。最终的系统在准确性上与人类病理学家相当甚至略胜一筹，从而提高了诊断效率，并支持了医疗专业人员的关键工作。
该系统在从组织切片分类皮肤癌方面与人类病理学家相当或略胜一筹。
未披露
研究人员使用GPU加速在近15分钟内训练了卷积神经网络处理30,000张图像。
未披露
使用GPU加速的超级计算机使训练过程变得可行，此前没有如此计算能力时被认为是“难以处理的”。
未披露
01
业务背景
昆士兰大学的研究人员发现，病理学家面临的一个重大挑战是：每天需要从大量的组织切片中识别癌细胞，这些切片数量可达数百张。为了解决这个问题，他们使用GPU加速的超级计算机训练了一个专门用于皮肤癌诊断的卷积神经网络（CNN）。这一创新方法使网络能够在15分钟内分析30,000张图像，如果没有如此先进的计算资源，这一任务被认为是“难以处理的”。最终的系统在准确性上与人类病理学家相当甚至略胜一筹，从而提高了诊断效率，并支持了医疗专业人员的关键工作。
02
遇到的问题
03
AI 解决方案
04
实施结果
该系统在从组织切片分类皮肤癌方面与人类病理学家相当或略胜一筹。：
研究人员使用GPU加速在近15分钟内训练了卷积神经网络处理30,000张图像。：
使用GPU加速的超级计算机使训练过程变得可行，此前没有如此计算能力时被认为是“难以处理的”。：
该项目旨在帮助病理学家高效识别大图像中的癌细胞。：
05
风险与边界
“”
信息来源
1 个来源页面内容为结构化改写；关键结论应可追溯到以下材料。