摘 要：本文重點介紹人工智能在醫(yī)療體系中的應(yīng)用。分別從人工智能的概念、研究領(lǐng)域、分類及具體應(yīng)用模塊等方面著手，闡述人工智能在醫(yī)學領(lǐng)域的具體應(yīng)用，以醫(yī)學專家系統(tǒng)、醫(yī)學影像中的算法和應(yīng)用為主進行剖析。

關(guān)鍵詞：人工智能；專家系統(tǒng)；ANN

1 概述

人工智能是現(xiàn)今科學探究中的前沿技術(shù)，隨著社會的進步，人類對于醫(yī)療和健康方面的需求日趨旺盛，在對醫(yī)療領(lǐng)域的開發(fā)中融入了人工智能這一相關(guān)技術(shù)在一定程度上滿足了人們的需求，也使醫(yī)療工作更加便捷地展開。目前，人工智能在醫(yī)療工作中的應(yīng)用包括X光片、B超檢查、核磁共振檢查等，人工智能技術(shù)的采用，為醫(yī)生在診斷過程中更加精準提供了依據(jù)，從而為患者制定有效的治療方案。

2 人工智能相關(guān)技術(shù)

2.1 人工智能概念

人工智能（Artificial Intelligence）即AI是研究、開發(fā)用于模擬、延伸和擴展人的智能的理論、方法、技術(shù)及應(yīng)用系統(tǒng)的一門新的技術(shù)科學。其定義分為兩部分，即“人工”和“智能”?！叭斯ぁ奔慈藶橹圃臁！爸悄堋保婕暗街T如意識、自我、思維等問題。因此人工智能的研究主要是對人的智能本身的研究。

2.2 人工智能研究領(lǐng)域

人工智能是計算機科學的一個分支，其研究包括智能機器人、虛擬現(xiàn)實技術(shù)與應(yīng)用、系統(tǒng)仿真技術(shù)與應(yīng)用、智能計算與機器博弈、計算機神經(jīng)網(wǎng)絡(luò)、建筑智能化技術(shù)與應(yīng)用等等諸多領(lǐng)域。

2.3 人工神經(jīng)網(wǎng)絡(luò)

人工神經(jīng)網(wǎng)絡(luò)（Artificial Neural Networks）即ANN是一種模仿動物神經(jīng)網(wǎng)絡(luò)行為特征，進行分布式并行信息處理的算法數(shù)學模型。這種網(wǎng)絡(luò)依靠系統(tǒng)的復(fù)雜程度，通過調(diào)整內(nèi)部大量節(jié)點之間相互連接的關(guān)系，從而達到處理信息的目的，并具有自學習和自適應(yīng)的能力。

2.4 專家系統(tǒng)

專家系統(tǒng)是一個具有智能特點的計算機程序，其智能化主要表現(xiàn)為能夠在特定的領(lǐng)域內(nèi)模仿人類專家思維來求解復(fù)雜問題。因此，專家系統(tǒng)必須包含領(lǐng)域?qū)＜业拇罅恐R，擁有類似人類專家思維的推理能力，并能用這些知識來解決實際問題。如在醫(yī)療中，一個醫(yī)學專家系統(tǒng)就能夠像真正的專家一樣，診斷病人的疾病，判別出病情的嚴重性，并給出相應(yīng)的處方和治療建議等。

3 具體應(yīng)用分析

3.1 基于人工神經(jīng)網(wǎng)絡(luò)技術(shù)的專家系統(tǒng)

基于人工神經(jīng)網(wǎng)絡(luò)的專家系統(tǒng)通過收集大量的信息樣本，并且引入恰當?shù)乃惴ㄟM行自主提升，系統(tǒng)通過模擬人腦神經(jīng)網(wǎng)絡(luò)在系統(tǒng)內(nèi)部建立神經(jīng)元的連接權(quán)值，具有人類思維、處理、學習、推理等能力[1]。（圖1）

基于人工神經(jīng)網(wǎng)絡(luò)技術(shù)的專家系統(tǒng)可選擇多種算法相結(jié)合，運用多種技術(shù)建立不同側(cè)重點，特別是ANN的自我適應(yīng)、強大的處理分析和學習能力，應(yīng)用在醫(yī)學上取得了很大的成功。

3.2 專家系統(tǒng)推理機的設(shè)計

在設(shè)計過程中需要預(yù)先設(shè)定相關(guān)函數(shù)值。以疾病推理機的設(shè)計為例，首先，要代入現(xiàn)有的醫(yī)學病例，即對病人的各項生命體征的數(shù)據(jù)進行輸入，將輸入信息存放在臨時信息表中，此時在推理機的推理系統(tǒng)中可以得到一系列的相關(guān)信息，這些信息即反應(yīng)了患病原因。根據(jù)推理機的設(shè)計思想，在進行系統(tǒng)推理中，根據(jù)推理規(guī)則將條件錄入，進而順著規(guī)則進行推導(dǎo)。在得出推理結(jié)論之后要對結(jié)論進行審核，利用反向推理的的方式核實結(jié)果的準確性。

3.3 醫(yī)學影像診斷中的應(yīng)用

現(xiàn)代醫(yī)學技術(shù)中影像技術(shù)占據(jù)了重要的部分，尤其是一些成像設(shè)備比如核磁共振、CT、超聲等。人工智能應(yīng)用主要在一些特定的成像技術(shù)，比如針對X線研究、對CT成像的分析、對血液疾病影像的判斷，還有超聲波影像的應(yīng)用研究等等，這些方面結(jié)合人工智能已經(jīng)得到了很大的進步和發(fā)展[2]。系統(tǒng)通過人工智能技術(shù)對數(shù)據(jù)庫和往期病例，采用兩個階段進行，分別是圖像識別和深度學習。在階段一進行影響對比過程中，首先進行影像的細加工，再進行影像牽橋判斷。而在階段二的深度學習過程中，由階段一提取的多項數(shù)據(jù)都存儲進患者病例庫和其他醫(yī)療數(shù)據(jù)庫中，這樣的數(shù)據(jù)庫可以包含數(shù)百萬的臨床病例案例，為深度學習過程提供判斷依據(jù)。通過一定的技術(shù)原理建設(shè)分析，進行診療，可以產(chǎn)生一系列的診斷效果，這從而使人工智能影像檢測具有精準的特點。

結(jié)束語

本文從人工智能相關(guān)的概念開始到人工智能技術(shù)在醫(yī)學領(lǐng)域的應(yīng)用，分別從基于人工神經(jīng)網(wǎng)絡(luò)技術(shù)的專家系統(tǒng)、專家系統(tǒng)推理機的設(shè)計、醫(yī)學影像診斷中的應(yīng)用等三個方面進行了具體分析。相信隨著人工智能相關(guān)技術(shù)在醫(yī)療領(lǐng)域的逐步應(yīng)用，能夠更好的提高現(xiàn)代醫(yī)學疾病的預(yù)測水平，做到提高醫(yī)生的診斷效率和提高診斷質(zhì)量，合理制定治療方案，更好的服務(wù)于患者。

參考文獻

[1]Sandi Findlay. Application of artificial intelligence in medicine [J]. Medical Technology&Application2014，6（1）：63-67.

[2]王弈，李傳福.人工智能方法在醫(yī)學圖像處理中的研究新進展[J].中國醫(yī)學物理學雜志，2013，（03）：4138-4143.

作者簡介：李力東，女，（1974-）吉林省長春市，吉林建筑大學電氣與計算機學院，碩士，副教授，主要從事計算機軟件方面的研究。