物联网和人工智能在医疗护理中的应用人工智能物联网技术的应用

发表时间：2023-07-28 02:26:34

物联网和人工智能在医疗护理中的应用

随着支持物联网的设备的出现，医疗保健领域的远程监护现已可用。几乎所有大型健康保险提供商都有一个相关的病例管理部门，其中聘请临床护士和医生来审查成员(被保险人)所接受的护理。随着技术的进步，这些病例管理部门现在经常使用联网设备来帮助监测患有慢性病的成员的健康状况。例如，充血性心力衰竭(CHF)是常规的病例管理项目，临床医生通过记事本和相关的量表跟踪成员的体重和症状，将补充信息输入病例管理系统，并在出现体重增加等异常时发出警报。AI用于确定警报何时发出并帮助下一步采取最佳行动——例如，会员/患者是否应该打电话给他们的医生，病例管理的临床医生是否应该给会员打电话，会员是否应该去急诊室等等。人工智能分析的物联网测量和跟踪提供对数据的即时评估，以便随着时间的推移我们可以识别医疗事件/诊断疾病并预防未来的事件/疾病。

[[439415]]

物联网与人工智能

物联网应用案例中的一个例子是，医疗付款人为高危妊娠安排连网的血压监测设备，这一前提是约7%的孕妇会发生妊娠高血压，其中4-20%的婴儿最终进入新生儿重症监护病房(NICU)。与妊娠并发症相关的医疗费用增加，包括妊娠高血压及其相关疾病、先兆子痫和子痫，增加了医疗付款人监控这些“高危”母亲的需求。联合医疗保健公司一个致力于管理孕产妇潜在风险的团队的坊间数据报告表明，在这些联网护理监测项目中，设备使用和持续使用的患者约80-90%。产妇血压读数和任何异常情况都会告知管理医生，以便他们能够干预和管理病情(妊娠高血压)，从而预防与该疾病相关的并发症。

目前，在该项目中由人监控物联网生成的数据。提供者在此模型中进行实际诊断并指定治疗方案。在此类物联网监控的未来迭代中，AI将分析这些成员生成的物联网数据。AI随后可以诊断甚至预测妊娠高血压、先兆子痫和子痫的发展，并通过AI指导的干预措施及时进行最佳实践治疗或预防疾病。此外，我们可以监测所有怀孕女性，而不仅仅是高危人群。AI可以利用物联网生成的数据，并学会识别数据中哪些因素或趋势表明未来有发生高血压相关疾病的风险，然后为整个孕妇群体提供疾病预防干预措施。在此项目中保持传统的临床严谨性意味着包括广泛监测对这一人群的好处将超过任何潜在风险的评估，如假阳性结果和不必要的干预。但其中的问题和应用的可能性仍有待确定和解决。

为了真正理解这种简单的关联监测干预的重要性，我们必须对产妇健康空间有更多的了解。2000年至2014年间，美国孕产妇死亡率上升了26.6%。同样，妊娠期高血压疾病也从1993年的529例上升到2014年的912例[[2]]，医疗成本和利用项目(HCUP)估计，2012年美国与管理孕期高血压/先兆子痫/子痫相关的短期成本为64亿美元。在美国，作为孕期高血压并发症的早产相关的新生儿成本为每年262亿美元。虽然妊娠高血压及其相关疾病本身并不是导致母婴健康恶化和医疗费用上升的原因，但它们是重要的因素。

有人会认为，接受常规推荐产前护理的母亲不会有问题。然而，估计多达三分之一的妇女会漏诊妊娠高血压。漏诊是可能的。在怀孕的第三个孕期(三个月为一个孕期)，在这期间，她的医生每周都会给她看病，她的血压和其他生命体征都会得到检测。检测值收集发生在诊所环境中。诊所的环境并不能反映女性真实生活中的压力源和情况。休息时血压读数降低，姿势改变(从站立到坐姿，从坐姿到躺姿)，压力降低。通常情况下女性在召回进行血压评估进，需要静坐15-20分钟或更长时间。这种情况血压读数可能会虚低或“正常”。

随着物联网的出现，我们现在可以在现日常生活中实时监测这些高危患者，以提供及时的干预和治疗。人工智能将通过持续分析和指导最佳实践护理或管理的最佳下一步来增强这一过程，从而预防孕产妇/胎儿并发症和控制疾病，并使女性保持在疾病管理阶段，而不是发展为需要高风险的并发症以及昂贵的护理，例如剖腹产、住院治疗等。与此相关的是不需要早产的婴儿的成本节约和健康促进以及与妊娠高血压相关的NICU住院。

从医疗保健的角度来看，物联网和人工智能支持的实时监控和实时管理可确保患者的安全和健康。人工智能解决方案可以使提供者能够提供及时和最佳的护理，增加患者参与度，减少住院，减少住院时间，并防止再入院和急诊科的使用。通过AI分析和与提供商的协作对连接的血压读数进行简单干预，可以创建个性化的医疗保健解决方案，为我们的医疗保健系统节省大量相关成本。

将同样的方法应用于不同年龄段的各类人群，会促进更多人健康。例如，健身手环、血压监测器、心率监测器、血糖仪和其他设备为患者提供个性化的建议，并从其提供者或临床支持团队获得近乎实时的管理。就我们之前讨论的那个中年糖尿病女性而言，我们提到她已经转向了医疗保健连续体的更健康的一端。我们可以通过她的联网设备继续保持参与并了解患者的情况。如果她开始恢复体重，数据表明活动减少，血糖仪读数通常会增加，人工智能会引导下一步采取最佳行动。这些可能包括通过保险公司通知她的临床医生或她的临床支持团队，建议他们进行干预以评估情况并对她的护理进行微调，从而以实时方式直接响应个人情况。

类似地，物联网和人工智能可应用于健康患者，以使他们在健康连续体模型中处于健康阶段。设备可设置为报警或向患者、提供者和保险公司的临床支持提供异常结果通知。通过这种方式，可以在问题恶化之前，根据个人的需要/担忧进行必要的干预。例如，如果一名健康患者出现血压升高的常规趋势，我们可以接触该患者并确定是否有高血压发生。在实际疾病(高血压)发病之前，通过收集数据点、评估最佳治疗途径和监测反应，使用人工智能有可能优化结果。

对于老年人来说，物联网和人工智能正被用来帮助他们在孤独环境中更健康、更长寿地生活。通过持续跟踪他们在家中的健康状况和安全风险，如跌倒风险，我们可以识别他们健康状况中的任何干扰或变化，并提醒家庭成员、提供者和护理管理团队。已经创建了几个围绕这种监测与人工智能相结合的试点项目，初步结果显示在家庭健康方面取得了成功。此外，当发现异常或警报响起时，家庭护理临床医生被派往消费者家里，以评估出现的情况并对设备进行调整。与临床医生携手合作的技术前所未有的医疗保健形式。

我们从个体患者、提供者和保险公司的角度研究了人工智能和物联网监控以改善健康状况。人工智能和监测改善健康的另一个领域是对住院病人的自主监测。住院是危险的。住院期间发生药物不良反应的风险为5.5%，感染风险为18%，发生溃疡的风险为3%。[[3]]不包括跌倒、受伤或医源性事件(与医院/医疗护理相关的受伤或伤害)的风险。患者住院时间越长，发生不良事件的风险越大。据估计，每10名患者中就有1名出现不良事件。除此之外，人们认为这些事件中有44%是可以预防的。这些事件中有7.4%导致死亡。

今天的公司使用与人工智能相结合的连接监控。AI使用大量实时数据预测和推断行为，以防止跌倒/受伤、检测和预防感染、评估协议或流程失误等，最终目标是提高患者安全并消除与住院相关的死亡事故。

对于个体临床医生、保险公司、医院系统，尤其是个体患者而言，人工智能与互联设备和监控相结合的发展导致我们对医疗保健未来的设想发生了巨大的范式转变。我们不再只是尽我们所能，被动应付“病人在哪里”。我们现在有能力从被动的医疗保健系统转变为专注的、个性化的、主动的医疗保健模式。

健康决定因素和大数据

影响或决定健康的若干因素之间存在着复杂的关系。医疗、遗传学、行为、社会经济环境、身体影响和环境都扮演着重要角色。了解这些健康决定因素中的一个或多个对个人健康结果的影响，或哪些决定因素相互影响，都是复杂的，需要更多的研究。

图21说明了许多健康决定因素中的一些。人工智能提供了一个机会，让人们了解每年每天都会出现饱和的巨大数据。

图21决定健康的若干因素

随着时间的推移收集的数据，一些是定量的，一些是定性的，来自三个领域的无数来源，即大数据。让人们更健康的机会需要理解这场数据海啸。

单纯关注医学测试结果而不是健康的许多决定因素限制了我们为个人获得最佳健康的能力。只有通过人工智能，我们才能看到模式并找到因果路径，以了解哪些决定因素相互影响，以及它们对健康结果的影响。

大数据、人工智能、云计算、物联网等技术涌入医疗领域后…… 打造拥有“聪明大脑”的医疗

随着信息技术的不断进步和融合发展，近年来智慧医疗成为研究的热点。智慧医疗以大数据、人工智能、云计算、物联网等技术为基础，通过与医疗领域的融合创新和实践，实现医疗能力的智慧化、提升医疗效率、优化患者体验服务等。

在近日举行的“智慧医疗创新论坛”上，来自各领域的专家围绕“智慧医疗发展路径”等话题展开交流探讨，他们表示，智慧医疗应致力于为全民提供最优化的健康照护，促进人人享有健康的目标达成。

现实需求呼唤智慧医疗

“不管是医联体还是健康医疗联合体，都需要通过智慧医疗进行系统化整合，提高效率，形成闭环式的多方协作共赢的大健康医疗服务体系。”中国工程院院士、清华大学精准医学研究院院长董家鸿表示，“智慧医疗是解决我国医疗供需矛盾、提高成本效益的必由之路。”

董家鸿表示，随着老龄化社会的到来，我国慢病患者发病率增长，医疗需求和疾病负担攀升，而全国只有360万执业医生，医院和床位难以满足日益增长的医疗需求，尤其是基层医疗资源十分匮乏。

“这是目前中国医疗资源面临的配制不均衡、供需矛盾突出的现状。”董家鸿认为，“解决这样的问题，就要实行供给侧的结构性改革，要系统性重塑国家的健康医疗服务体系。”

什么是智慧医疗？董家鸿表示，智慧医疗是现代数字科技赋能的最优化的大健康生态体系。“这个体系将现代的数字科技深度融合到健康医疗实践中，通过全要素、全流程、全链条的系统优化，实现覆盖全人群、全生涯、全维度的照护，最终为民众提供优质、高效、经济、可及的价值医疗。”

北京天坛医院副院长王伊龙认为，智慧医疗除了有智能与数字，还有和谐与智慧。“智慧医疗不仅体现在医疗服务上的科技创新、医疗服务能力的增强，还体现在以人为本，能够提供一些更加人性化、有温度的医疗服务。”

在北京天坛医院的新院区，有很多新技术的集成应用。王伊龙表示，智慧医疗的最初级层次是用数据的互联互通、AI等新的技术，促进医疗便捷化；中层次是利用3D打印、5G技术等，实现数字手术、远程医疗；第三层次则是用数字技术等，更好地创造医疗环境，推动创新产品、创新药物的研发。

董家鸿所在的清华大学精准医学研究院和北京清华长庚医院，正借助于区块链、多方安全计算等核心技术，整合居民的基本健康、妇幼保健、社区健康档案等数据，支持社区居民的主动健康管理，为社区开展公共卫生服务提供数据决策支持。

技术创新引领发展

“无处不在的健康医疗时代，通过智能设备和物联网设备，可实现个人健康状况的实时监测。”英国帝国理工学院教授比约恩·舒勒表示，身处大数据时代，信息技术影响到所有的人，这为智慧医疗发展带来了巨大机遇。

GE医疗中国总裁兼首席执行官戴鹰表示，智慧医疗要为患者提供智慧服务，为医疗管理者提供智慧管理。“无论是医疗手段，还是医院管理，智慧或者数字化技术都能发挥特别大的作用。”

董家鸿介绍，清华大学精准医学研究院通过医学创新、技术开发和健康服务需求的精准对接，为智慧健联体提供核心的支撑。

健联体运行需要数字化的平台作为基础，清华大学精准医学研究院规划构建了新一代区域性数字健康医疗平台。“这个平台将汇聚区域内居民健康、诊疗、社区健康、社区公共卫生数据，构建基于区块链技术的分布式的区域健康大数据中心。”

董家鸿表示，通过统一的数字标准和接口规范，打破区域医疗机构之间的信息孤岛，通过多中心健康医疗数据的共享和边缘计算消除数据壁垒，实现与医保、公共卫生、分级诊疗等体系的融合，支撑各类在智慧医疗社区的服务和应用。

疾病监测是保障我国公共卫生安全的一个关键，清华大学精准医学研究院建立了一套传染病和突发公共卫生事件的监测系统，可实现自动化实时性捕获和分析疾病数据，一旦触发不明原因疾病和异常健康（世界）的预警机制，系统会自动上报突发公共卫生事件。

京东健康公司CEO金恩林介绍，智慧医疗的目的是提高效率，为此京东健康在政府端、医疗机构端、C端都做了许多尝试，利用集团沉淀出来的大数据等资源，在医疗行业中的使用，结合智慧医疗提供解决方案。

比如，基于线上互联网医院与线下医院结合的互联网医院系统，京东健康在北京市海淀区已经落地商用了“人工智能处方审核系统”，在C端应用方面，京东健康推出了基于物联网的患者管理系统。

“智慧医疗的根本是让患者获益，最终临床结果应该是患者满意的。”阿斯利康中国区副总裁王磊表示，自动化、个性化、数字疗法等是智慧医疗应该着力创新的重要方向。

多方协同完善创新体系

智慧医疗成为生命健康产业板块重要组成部分，离不开创新生态体系和健康生态环境。而打造完善智慧医疗的生态体系，离不开很多关键元素之间的密切合作，比如医院、企业、科研机构等。

清华大学精准医学研究院智慧健康中心主任杨斌表示，发展智慧医疗需要一种创新生态体系，不管研究单位、医疗服务单位、健康服务单位，还是药品企业、器械企业，都需要联合做一些探索。

2020年，清华大学精准医学研究院成立了“DH400组织”，组织100家国内外重点医院、100家生物医药企业、100家科技企业、100家金融投资机构，共同致力于智慧医疗创新发展。“我们希望通过这些整合，推动技术、资金、临床资源变成产品，科技公司产品、生物医药产品，也能通过这个渠道回到医院临床发挥作用。”杨斌说。

“产业界要努力把智慧医疗变成广泛可及的现实，在实践中把产品或者解决方案做出来。”金恩林表示，“过去医疗信息化的问题是信息碎片化，让患者跑了很多路，在一定程度上缺少对患者的关爱。因此，无论是构建设施，还是设计路径、完善服务体系，都要以患者为中心。”

在王伊龙看来，目前智慧医疗生态圈里面缺乏复合型人才。“智慧医疗的人才，是更加懂医疗和健康规律的人才，而不是专门的IT人才。目前的教育体系里，还没有建立这方面人才的培养体系。”

王伊龙认为，发展智慧医疗不能光追求一些技术和产品，也要重视基础设施建设。“比如数据标准问题，智慧医院建设的伦理安全、数据安全、隐私和边界问题。智慧医疗不是简单的互联网和信息技术在医疗领域的加成。”

戴鹰也表示：“我们在推动数字化进程的时候，需要构建新的生态体系，仅凭一家公司或者任何一方不能解决医疗方面的痛点，需要医疗机构、金融机构、政府监管机构等多方参与。”（郑金武）

人工智能的十大应用

导读：人工智能已经逐渐走进我们的生活，并应用于各个领域，它不仅给许多行业带来了巨大的经济效益，也为我们的生活带来了许多改变和便利。下面，我们将分别介绍人工智能的一些主要应用场景。

作者：王健宗何安珣李泽远

来源：大数据DT（ID：hzdashuju）

01 无人驾驶汽车

无人驾驶汽车是智能汽车的一种，也称为轮式移动机器人，主要依靠车内以计算机系统为主的智能驾驶控制器来实现无人驾驶。无人驾驶中涉及的技术包含多个方面，例如计算机视觉、自动控制技术等。

美国、英国、德国等发达国家从20世纪70年代开始就投入到无人驾驶汽车的研究中，中国从20世纪80年代起也开始了无人驾驶汽车的研究。

2005年，一辆名为Stanley的无人驾驶汽车以平均40km/h的速度跑完了美国莫哈维沙漠中的野外地形赛道，用时6小时53分58秒，完成了约282千米的驾驶里程。

Stanley是由一辆大众途锐汽车经过改装而来的，由大众汽车技术研究部、大众汽车集团下属的电子研究工作实验室及斯坦福大学一起合作完成，其外部装有摄像头、雷达、激光测距仪等装置来感应周边环境，内部装有自动驾驶控制系统来完成指挥、导航、制动和加速等操作。

2006年，卡内基梅隆大学又研发了无人驾驶汽车Boss，Boss能够按照交通规则安全地驾驶通过附近有空军基地的街道，并且会避让其他车辆和行人。

近年来，伴随着人工智能浪潮的兴起，无人驾驶成为人们热议的话题，国内外许多公司都纷纷投入到自动驾驶和无人驾驶的研究中。例如，Google的GoogleX实验室正在积极研发无人驾驶汽车GoogleDriverlessCar，百度也已启动了“百度无人驾驶汽车”研发计划，其自主研发的无人驾驶汽车Apollo还曾亮相2018年央视春晚。

但是最近两年，发现无人驾驶的复杂程度远超几年前所预期的，要真正实现商业化还有很长的路要走。

02 人脸识别

人脸识别也称人像识别、面部识别，是基于人的脸部特征信息进行身份识别的一种生物识别技术。人脸识别涉及的技术主要包括计算机视觉、图像处理等。

人脸识别系统的研究始于20世纪60年代，之后，随着计算机技术和光学成像技术的发展，人脸识别技术水平在20世纪80年代得到不断提高。在20世纪90年代后期，人脸识别技术进入初级应用阶段。目前，人脸识别技术已广泛应用于多个领域，如金融、司法、公安、边检、航天、电力、教育、医疗等。

有一个关于人脸识别技术应用的有趣案例：张学友获封“逃犯克星”，因为警方利用人脸识别技术在其演唱会上多次抓到了在逃人员。

2018年4月7日，张学友南昌演唱会开始后，看台上一名粉丝便被警方带离现场。实际上，他是一名逃犯，安保人员通过人像识别系统锁定了在看台上的他；

2018年5月20日，张学友嘉兴演唱会上，犯罪嫌疑人于某在通过安检门时被人脸识别系统识别出是逃犯，随后被警方抓获。随着人脸识别技术的进一步成熟和社会认同度的提高，其将应用在更多领域，给人们的生活带来更多改变。

03机器翻译

机器翻译是计算语言学的一个分支，是利用计算机将一种自然语言转换为另一种自然语言的过程。机器翻译用到的技术主要是神经机器翻译技术（NeuralMachineTranslation，NMT），该技术当前在很多语言上的表现已经超过人类。

随着经济全球化进程的加快及互联网的迅速发展，机器翻译技术在促进政治、经济、文化交流等方面的价值凸显，也给人们的生活带来了许多便利。例如我们在阅读英文文献时，可以方便地通过有道翻译、Google翻译等网站将英文转换为中文，免去了查字典的麻烦，提高了学习和工作的效率。

04声纹识别

生物特征识别技术包括很多种，除了人脸识别，目前用得比较多的有声纹识别。声纹识别是一种生物鉴权技术，也称为说话人识别，包括说话人辨认和说话人确认。

声纹识别的工作过程为，系统采集说话人的声纹信息并将其录入数据库，当说话人再次说话时，系统会采集这段声纹信息并自动与数据库中已有的声纹信息做对比，从而识别出说话人的身份。

相比于传统的身份识别方法（如钥匙、证件），声纹识别具有抗遗忘、可远程的鉴权特点，在现有算法优化和随机密码的技术手段下，声纹也能有效防录音、防合成，因此安全性高、响应迅速且识别精准。

同时，相较于人脸识别、虹膜识别等生物特征识别技术，声纹识别技术具有可通过电话信道、网络信道等方式采集用户的声纹特征的特点，因此其在远程身份确认上极具优势。

目前，声纹识别技术有声纹核身、声纹锁和黑名单声纹库等多项应用案例，可广泛应用于金融、安防、智能家居等领域，落地场景丰富。

05智能客服机器人

智能客服机器人是一种利用机器模拟人类行为的人工智能实体形态，它能够实现语音识别和自然语义理解，具有业务推理、话术应答等能力。

当用户访问网站并发出会话时，智能客服机器人会根据系统获取的访客地址、IP和访问路径等，快速分析用户意图，回复用户的真实需求。同时，智能客服机器人拥有海量的行业背景知识库，能对用户咨询的常规问题进行标准回复，提高应答准确率。

智能客服机器人广泛应用于商业服务与营销场景，为客户解决问题、提供决策依据。同时，智能客服机器人在应答过程中，可以结合丰富的对话语料进行自适应训练，因此，其在应答话术上将变得越来越精确。

随着智能客服机器人的垂直发展，它已经可以深入解决很多企业的细分场景下的问题。比如电商企业面临的售前咨询问题，对大多数电商企业来说，用户所咨询的售前问题普遍围绕价格、优惠、货品来源渠道等主题，传统的人工客服每天都会对这几类重复性的问题进行回答，导致无法及时为存在更多复杂问题的客户群体提供服务。

而智能客服机器人可以针对用户的各类简单、重复性高的问题进行解答，还能为用户提供全天候的咨询应答、解决问题的服务，它的广泛应用也大大降低了企业的人工客服成本。

06智能外呼机器人

智能外呼机器人是人工智能在语音识别方面的典型应用，它能够自动发起电话外呼，以语音合成的自然人声形式，主动向用户群体介绍产品。

在外呼期间，它可以利用语音识别和自然语言处理技术获取客户意图，而后采用针对性话术与用户进行多轮交互会话，最后对用户进行目标分类，并自动记录每通电话的关键点，以成功完成外呼工作。

从2018年年初开始，智能外呼机器人呈现出喷井式兴起状态，它能够在互动过程中不带有情绪波动，并且自动完成应答、分类、记录和追踪，助力企业完成一些烦琐、重复和耗时的操作，从而解放人工，减少大量的人力成本和重复劳动力，让员工着力于目标客群，进而创造更高的商业价值。当然智能外呼机器人也带来了另一面，即会对用户造成频繁的打扰。

基于维护用户的合法权益，促进语音呼叫服务端健康发展，2020年8月31日国家工信部下发了《通信短信息和语音呼叫服务管理规定（征求意见稿）》，意味着未来的外呼服务，无论人工还是人工智能，都需要持证上岗，而且还要在监管的监视下进行，这也对智能外呼机器人的用户体验和服务质量提出了更高的要求。

07智能音箱

智能音箱是语音识别、自然语言处理等人工智能技术的电子产品类应用与载体，随着智能音箱的迅猛发展，其也被视为智能家居的未来入口。究其本质，智能音箱就是能完成对话环节的拥有语音交互能力的机器。通过与它直接对话，家庭消费者能够完成自助点歌、控制家居设备和唤起生活服务等操作。

支撑智能音箱交互功能的前置基础主要包括将人声转换成文本的自动语音识别（AutomaticSpeechRecognition，ASR）技术，对文字进行词性、句法、语义等分析的自然语言处理（NaturalLanguageProcessing，NLP）技术，以及将文字转换成自然语音流的语音合成技术（TextToSpeech，TTS）技术。

在人工智能技术的加持下，智能音箱也逐渐以更自然的语音交互方式创造出更多家庭场景下的应用。

08个性化推荐

个性化推荐是一种基于聚类与协同过滤技术的人工智能应用，它建立在海量数据挖掘的基础上，通过分析用户的历史行为建立推荐模型，主动给用户提供匹配他们的需求与兴趣的信息，如商品推荐、新闻推荐等。

个性化推荐既可以为用户快速定位需求产品，弱化用户被动消费意识，提升用户兴致和留存黏性，又可以帮助商家快速引流，找准用户群体与定位，做好产品营销。

个性化推荐系统广泛存在于各类网站和App中，本质上，它会根据用户的浏览信息、用户基本信息和对物品或内容的偏好程度等多因素进行考量，依托推荐引擎算法进行指标分类，将与用户目标因素一致的信息内容进行聚类，经过协同过滤算法，实现精确的个性化推荐。

09医学图像处理

医学图像处理是目前人工智能在医疗领域的典型应用，它的处理对象是由各种不同成像机理，如在临床医学中广泛使用的核磁共振成像、超声成像等生成的医学影像。

传统的医学影像诊断，主要通过观察二维切片图去发现病变体，这往往需要依靠医生的经验来判断。而利用计算机图像处理技术，可以对医学影像进行图像分割、特征提取、定量分析和对比分析等工作，进而完成病灶识别与标注，针对肿瘤放疗环节的影像的靶区自动勾画，以及手术环节的三维影像重建。

该应用可以辅助医生对病变体及其他目标区域进行定性甚至定量分析，从而大大提高医疗诊断的准确性和可靠性。另外，医学图像处理在医疗教学、手术规划、手术仿真、各类医学研究、医学二维影像重建中也起到重要的辅助作用。

10 图像搜索

图像搜索是近几年用户需求日益旺盛的信息检索类应用，分为基于文本的和基于内容的两类搜索方式。传统的图像搜索只识别图像本身的颜色、纹理等要素，基于深度学习的图像搜索还会计入人脸、姿态、地理位置和字符等语义特征，针对海量数据进行多维度的分析与匹配。

该技术的应用与发展，不仅是为了满足当下用户利用图像匹配搜索以顺利查找到相同或相似目标物的需求，更是为了通过分析用户的需求与行为，如搜索同款、相似物比对等，确保企业的产品迭代和服务升级在后续工作中更加聚焦。

关于作者：王健宗，博士，某大型金融集团科技公司资深人工智能总监、高级工程师，中国计算机学会大数据专家委员会委员、高级会员，美国佛罗里达大学人工智能博士后，曾任美国莱斯大学电子与计算机工程系研究员、美国惠普公司高级云计算解决方案专家。

何安珣，某大型金融集团科技公司高级算法工程师，中国计算机学会会员，中国计算机学会青年计算机科技论坛（YOCSEF深圳）委员。拥有丰富的金融智能从业经验，主要研究金融智能系统框架搭建、算法研究和模型融合技术等，致力于推动金融智能的落地应用与价值创造。

李泽远，某大型金融集团科技公司高级人工智能产品经理，中国计算机学会会员，长期致力于金融智能的产品化工作，负责技术服务类的产品生态搭建与实施推进。

本文摘编自《金融智能：AI如何为银行、保险、证券业赋能》，经出版方授权发布。

人工智能和物联网之间的区别！

原标题：人工智能和物联网之间的区别！

在人工智能领域获得非凡进步的同时，物联网（IOT）获得了更大的发展。

当今世界信息产业发展的第三浪潮无疑是物联网的崛起，它是继计算机、互联网之后的又一信息化时代的变革。物联网，就是通过智能感知、识别技术与普适计算等通信感知技术，应用在网络与实物的融合中。您好科技集人工智能和物联网的智能感知等核心技术，将其应用在生活中的各个领域，为各行业提供专业的人工智能定制方案。既然物联网和人工智能应用广泛，那我们如何区分人工智能和物联网？

我们先来说说人工智能。人工智能（ArtificialIntelligence）简称AI，它能根据大量的历史资料和实时观察找出对于未来预测性的洞察。由于同时分析过去的和实时的数据，AI能容易注意到有哪些资料属于例外，并做出合理、合适的推断，而数据对于人工智能的重要性也就不言而喻了。因此，若要使AI引擎变得更聪明、更强大，方法及过程其实就如同在种植物，唯一的区别在于：AI需要的是持续的数据流入（互联网大数据时代是AI发展的重要基础），而不是水，肥料和食物。对于人工智能来说，它可以处理和从中学习的数据越多，其预测的准确率也会越高。

人工智能的确能够帮助我们处理更多的数据，而且会越来越“聪明”。然而，物联网（IoT）其实肩负了一个至关重要的任务，那就是资料收集。在概念上，物联网可连接大量不同的设备及装置，包括家用电器和穿戴式设备。嵌入在各个产品中的传感器（sensor）便会不断地将新数据上传至云端。这些新的数据以后可以被人工智能处理和分析，以生成所需要的信息并继续积累知识。用一句话来概括物联网：把所有物品通过信息传感设备与互联网连接起来，进行信息交换，即物物相息，以实现智能化识别和管理。

展开全文

人工智能也不能代表全部。物联网里面的应用就更广泛智慧工业，智慧农业，智慧城市，智慧医疗，这些都是和大数据，云计算结合在一起的，人工智能也是其中的一部分。人工智能对象更加民用化，而物联网对象是更加政府化。但这并不是绝对的，它们有时候是呈现相互交叉的作用，物联网应用在智能家居方面的案例也有，比如，智能照明，它是一种非常直观的物联网家居体验，我们可以通过手机应用实现灯光的开关，还有家庭安防、空调温度调节等，这些都是物联网应用的实例。

其实这两者（人工智能和物联网）的区别我们大可不必去纠结，谁究竟是占主导地位。与其说是区别，不如说是相辅相成，相互联系的“共同体”，只有它们同时使用，才能实现人工智能和物联网的利益优势。而且根据数据显示，在不久的将来，物联网技术将无处不在，我们很难再找到没有连接互联网的设备。就像我们谈论的智能家居，我们可以智能操控点灯、空调，实现智能化、自动化的操作。

“有需求就有市场”这句话永远都不会过时。随着人工智能技术的不断发展和完善，市场上的智能家居产品也不断增加，而绝大多数家居产品的科技含量是有限的，很大程度上那以满足不断升级的智能化生活需求，因此您好科技不断对人工智能和物联网技术进行探索，为用户提供专属的人工智能定制方案，提升人工智能产品的使用和服务质量。返回搜狐，查看更多

责任编辑：

物联网和人工智能在医疗护理中的应用 人工智能物联网技术的应用