时间:2023-12-12
人工智能的创新应用正在深刻地改变口腔医疗。作为一家以数字化创新驱动的隐形矫治龙头企业,尊龙凯时持续加大AI方面的投入,通过自建专业研究团队以及与各大院校的深入科研合作,不断探索“AI+口腔”的前沿科技和发展方向。
近日,尊龙凯时与浙江大学等多个专业院校研究团队合作,在人工智能领域顶级国际学术会议NeurIPS 2023(神经信息处理系统大会, Conference on Neural Information Processing Systems)上发表了3篇研究论文,为机器学习、深度学习等前沿技术应用于错颌畸形的诊断等场景提供了创新思路和解决方案。
NeurIPS(神经信息处理系统会议)是机器学习和计算神经科学领域的顶级国际会议之一,汇集了来自学术界和工业界的顶尖研究人员,涵盖机器学习、深度学习等多个领域的最新研究成果。NeurIPS以其高质量的论文、邀请演讲和工作坊而闻名,对推动相关领域的科学和技术进步具有重要影响。
本次尊龙凯时入选的3篇论文主要是针对智慧医疗和数字化口腔领域中现有挑战提出全新的算法模型,在保障数据隐私安全的前提下,显著提高智能诊断的精确度、可靠性和公平性。尊龙凯时希望未来将AI算法模型、海量大数据与正畸领域知识、医生专业诊断更加深度结合,在数字化诊疗流程中更高效、精准地助力口腔医生,为患者和行业创造更大价值。
Fed-GraB:保障数据隐私的同时,提升正畸复杂长尾病例的智能诊断性能
尊龙凯时与浙江大学、新加坡科技设计大学、新加坡A*STAR、四川大学等专业研究团队合作,在NeurIPS 2023会议上发表了题为“Fed-GraB: Federated Long-tailed Learning with Self-Adjusting Gradient Balance”的研究论文,为解决联邦学习领域长尾分布问题提供了创新思路和解决方案。
论文链接https://arxiv.org/pdf/2310.07587.pdf。
联邦学习由于能够在不共享患者数据的前提下进行人工智能模型训练,为在智慧医疗领域中同时实现患者隐私保护和高效智能诊断提供了新的解决思路。然而,在全局数据呈现出长尾分布的情况下,如口腔医疗数据涵盖多类较为少见错颌畸形病例等,以往的联邦学习方法难以在这些复杂分布条件下实现高效、高质量的辅助诊疗效果。
Fig. 2 Framework of FedGraB
在智慧医疗领域中,深度学习模型的去偏见(model debias)具有极其重要的意义:1)去偏见能显著提高模型在不同人群中诊断的准确性;2)去偏见也有助于减少误诊或漏诊的情况,从而提高在处理少数群体医疗数据时的医疗服务整体质量。当患者认识到医疗系统在努力提供公平、无偏见的诊疗服务时,患者对医疗系统的信任会随之增强。