人工智能技术与应用（案例版）课件 第8章 智能医疗机器人（2）.pptx

Artificialintelligencetechnologyand

Application

第8章智能医疗机器人-2

1.智能医疗机器人概述

2.智能医疗机器人应用

3.智能技术——深度学习

4.应用案例

3.智能技术——深度学习

深度学习（DeepLearning），简称DL。深度学习是机器学习的子集，它基于人工神经网络。其

概念由杰弗里·辛顿（GeoffreyHinton）等人于2006年提出，基于深度置信网络(DBN)提出非监

督贪心逐层训练算法，为解决深层结构相关的优化难题带来希望，随后提出多层自动编码器深层结

构。此外杨立昆（YannLeCun）等人提出的卷积神经网络是第一个真正多层结构学习算法，它利

用空间相对关系减少参数数目以提高训练性能。

神经网络基础

●神经网络的M-

P模型、BP网络、Hopfield网络等构成人工神经网络的基本概念。

●神经元作为基本处理单元，由连接、求和节点、激活函数组成。

深度学习的起源与发展

卷积神经网络（CNN）

深度学习应用场景

1.计算机视觉

深度学习技术可以用于图像分类、目标检测、图像分割、人脸识别、

行人重识别等领域。例如，卷积神经网络（CNN）可以用于图像分

类和目标检测，而生成对抗网络（GAN）可以用于图像生成和风格

迁移。

应用场景2.自然语言处理

深度学习技术可以用于文本分类、情感分析、命名实体识别、机器

翻译、语音识别等领域。例如，循环神经网络（RNN）和长短时记

忆网络（LSTM）可以用于语言模型和机器翻译，而变换器模型

（Transformer）可以用于序列到序列的学习任务。

3.医疗保健

深度学习技术可以用于医学图像分析、病理诊断、基因序列分析等

领域。例如，卷积神经网络可以用于乳腺癌检测，而递归神经网络

可以用于基因序列分析。

LeNet结构

4.应用案例——病毒感染动态显示

病毒的变异速度可能会超过科学家们研发疫苗和治疗药物的速度，导致疫苗和药物的有效性受到挑战。此外，

全球化和人口密集的城市化趋势使得病毒更容易传播，加剧了疫情的蔓延速度。同时，一些病毒可能具有潜在的跨

物种传播能力，增加了疾病的传播范围和难度，导致公众对病毒传播和防控措施的误解和不信任，影响了疫情防控

的有效性。为了尽可能预防疾病，借助机器学习提前发现易感人群是一种有效的手段。

SIR模型是一种常见的传染病传播模型，

用于描述人群中传染病的传播过程。SIR

模型将人群分为三个互相转化的状态：易

感者（Susceptible）、感染