本網站使用Cookies 以優化閣下的用戶體驗。繼續瀏覽網頁，以示閣下同意本站使用Cookies。詳情請參閱Cookie政策及私隱政策。

確定
香港
熱線 聯絡 加入我們 關注
< 返回
產品與服務
網絡連接 信息安全管理 雲端運算方案 雲數據中心 互聯網服務 管理服務 歐洲解決方案
< 返回
解決方案
建築、工程及建造 汽車 銀行、金融服務及保險業 物流及運輸 製造 法律和會計服務 零售 醫療保健
< 返回
技術與服務
咨詢服務 客戶服務
< 返回
關於我們
我們公司 全球生態圈夥伴 新聞中心 認証及獎項 職位招聘
< 返回
資源中心
產品單頁 最新優惠 視頻 白皮書 成功案例 網誌
< 返回
聯絡我們
聯絡我們 各地聯絡處 客戶服務熱線

首頁 > 關於我們 > 新聞中心 > 研發「智慧醫院」應用 雙算法省時省力

新聞中心

返回

研發「智慧醫院」應用 雙算法省時省力

媒體報導 @ IT Square

2021-02-26

智慧城市

香港科技園與醫院管理局合辦「AI Challenge」比賽，以研發與人工智能相關方案。比賽以「辨別手術工具」為題，參賽者設計機器學習模型，辨別、定位及點算醫院手術室中的醫療工具。

不同的人工智能模型皆以項目預設的評分準則進行評估。是次比賽獲50間本地及海外科技企業報名參加，晉身決賽的11支隊伍則獲邀提交AI模型。勝出隊伍獲安排與醫管局探討合作機會，研發「智慧醫院」的應用。

參賽隊伍向醫管局呈交訓練的視像運算模型，醫管局在本身運算環境，辨認有關物件種類、定位及點算數目，作為計分凖則。

中信國際電訊CPC首席信息及創新總裁鄺偉基說，參賽是為了讓隊伍有機會接受不同挑戰，由於中信國際電訊應用集中在視頻分析，除了今次比賽要求的辨認物件、定位和數量以外，還自行加上了辨認速度。

中信國際電訊CPC正在開發「DataHOUSE AR千里眼」，其中一項功能是從傳回視頻辨識物件，穿戴AR眼鏡現場人員，以眼鏡鏡頭辨認數據中心設備，

AR眼鏡電池和算力有限，從AR眼鏡捕捉的影像，直接回傳雲端，或利用5G送往邊緣雲多接取邊緣運算（MEC）執行推論（Inference），結果傳回AR眼鏡。

香港科技園總監（人工智能、機械人技術平台及精密工程）霍露明（右），頒獎狀予比賽總亞軍得主中信國際電訊CPC，中間為中信國際電訊CPC首席信息及創新總裁鄺偉基
香港科技園總監（人工智能、機械人技術平台及精密工程）霍露明（右），頒獎狀予比賽總亞軍得主中信國際電訊CPC
中間為中信國際電訊CPC首席信息及創新總裁鄺偉基

95毫秒99%凖確度

「AR眼鏡傳回大量影像，須快速處理並傳回結果，推理速度十分關鍵。雖然比賽沒要求推論速度，我們要求團隊在100毫秒ms（1秒=1000毫秒）內完成推理。」

辨別、定位及點算的醫療物件，主要為置於盆內多款手術刀和工具。鄺偉基說，比賽對視覺運算帶來一定挑戰，手術工具只有些微差別，置於盆上更難以辨認。

「DataHOUSE AR千里眼」終端是AR眼鏡，推論時間必須要快，團隊須先考慮速度，最終合併2種不同算法，首先是常用於物件辨識，以速度聞名的YOLOv4算法。

「訓練模型使用過萬張圖片，採用了2種算法建立視覺運算模型，最長於95毫秒ms內達到99%凖確度。」也就是說技術人員在數據中心，看到某項設備，不足一秒可在辨認完畢，並傳回結果通知。

鄺偉基說，比賽顯示集合2種算法，速度和性能，要比純以單一的算法，不斷加深網絡深度效果為佳，為日後開發加快辨認物件，帶來了啟示。

YOLO速度無出其右

YOLO架構由Joseph Redmon在2015年首先開發，為最常用物件辨認算法之一，尤適合處理多幀的視頻，以YOLOv4辨認有一定準確度，同時又維持高幀率處理，但是YOLOv4的凖確率亦有限制，即使再增加網絡的深度，凖確度邊際效益卻下降，同時亦帶來了性能問題。

團隊用了多張不同照片來訓練模型，YOLOv4速度雖快，應付細微物件辨認，或較難辨認的背景，YOLOv4難再應付時，交由另一種算法建立的模型。

神經網絡層數愈深，算力損耗愈大，YOLOv4辨認凖確度一旦不足，模型就交予新開發的Weakly Supervised Data Augmentation Network （WS-DAN）算法處理。

參賽者設計機器學習模型，辨別、定位及點算醫院手術室中的醫療工具，不少工具置於盤內，即使肉眼亦難辨別。
參賽者設計機器學習模型，辨別、定位及點算醫院手術室中的醫療工具，不少工具置於盤內，即使肉眼亦難辨別。

減省資源讀得更凖

WS-DAN是微軟亞洲研究院剛提出的算法，年初論文ArXiv刊登後，引起業界的注意。論文題目為《See Better Before Looking Closer》，也就是在不加深神經網絡的層數，可達更佳分類效果。手術刀與盆底顏色接近，背景雜訊等干擾因素，可影響辨認效果，WS-DAN可通過Bilinear Attention Pooling抓住物件的特徵增強數據，提高辨認的凖確率，毋須過深神經網絡；以改善模型效率。

WS-DAN在不加深神經網絡情況下，分類和辨認細微和難辨物件，團隊合併了YOLOv4和WS-DAN算法之後，獲得優化的結果。

「某些極難辨認手術刀，採用WS-DAN只以50層神經網絡，物件辨認Object Detection Accuracy（mAP）可達到99，YOLOv4要再加深，則耗用更多算運資源。」

鄺偉基說，今次非中信國際電訊CPC以混合算法策略，攻克視覺運算上的難題，以往亦開發混合算法，以辨識戴口罩者的人臉。類似比賽讓團隊有機會解決實際問題，啟發出不同方法，獲獎反是其次。

問題比答案重要，而問題愈是困難，往往愈激發創意。

< 上一頁

回上頁

下一頁 >

產品與服務
網絡連接 信息安全管理 雲端運算方案 雲數據中心 互聯網服務 管理服務 歐洲解決方案
解決方案
建築、工程及建造 汽車 銀行、金融服務及保險業 物流及運輸 製造 法律和會計服務 零售 醫療保健
技術與服務
咨詢服務 客戶服務
資源中心
產品單頁 最新優惠 視頻 白皮書 成功案例 網誌
關於我們
我們公司 全球生態圈夥伴 新聞中心 認証及獎項 職位招聘
聯絡我們

一般查詢 / 銷售熱線 +852 2170 7401

客戶服務熱線 +852 2331 8930

聯絡我們

關注我們

網站地圖 免責聲明 防止濫用網絡政策 私隱聲明 Cookie 政策 無障礙網頁聲明 條款及細則 中信集團品牌認證 | 中信雲賦能

Copyright © 中信國際電訊(信息技術)有限公司 CITIC Telecom International CPC Limited

熱線
聯絡
加入我們
關注
需要幫忙？聯絡CPC聊天機械人
瀏覽器支援：IE11、Firefox、Chrome及Safari 的最新版本
條款及細則
歡迎來到中信國際電訊(信息技術)有限公司。閣下與CPC聊天機器人的對話内容可能會被記錄，以作培訓、質量監控和糾紛處理之用。如閣下點擊「繼續」並使用CPC聊天機器人，即表示閣下接受並同意受本公司之私隱政策約束，並同意本站使用Cookies。詳情請參閱Cookie政策及私隱政策。
繼續