小編發(fā)現(xiàn)不少朋友對于 人工智能算法揭示了感染疾病的錯誤 這方面的信息都比較感興趣，小編就針對 人工智能算法揭示了感染疾病的錯誤 整理了一些相關(guān)方面的信息 在這里分享給大家。

邊境以南的衛(wèi)生官員可能很快就能使用智能手機(jī)和用于反向圖像搜索的AI工具來對抗令人討厭的疾病。

該病是恰加斯。據(jù)世界衛(wèi)生組織稱，它每年悄悄地殺死10,000多人。

其傳播的主要來源是被叮咬的昆蟲叮咬(科學(xué)名稱：triatominae)，這種昆蟲很難被正確識別，并且在墨西哥，中美洲和南美洲的農(nóng)村人口中遭受重創(chuàng)。

該工具是一種算法，在一項新研究中，該算法從普通照片中識別出墨西哥物種的準(zhǔn)確率達(dá)95.8%，而巴西物種的準(zhǔn)確率達(dá)98.9%。

使用Google的開源TensorFlow(Google的日常反向圖像搜索引擎背后的軟件版本)，開發(fā)人員使用1,989張各種三角藻種類的圖片對算法進(jìn)行了訓(xùn)練。

作為早期迭代的更新，該算法現(xiàn)在可以區(qū)分12個墨西哥物種和39個巴西物種。

這項工作是由堪薩斯大學(xué)的博士生Ali Ali Khalighifar領(lǐng)導(dǎo)的。

在覆蓋面由學(xué)校的新聞部門的研究，Khalighifar說該軟件能夠“理解”，基于像素的色調(diào)和色彩，圖像數(shù)據(jù)，使得它可以測試對初始數(shù)據(jù)集類似的圖片。

他說，使用接吻小蟲進(jìn)行的工作中值得注意的是，無需進(jìn)行圖像預(yù)處理即可獲得很高的準(zhǔn)確率，特別是考慮到健康結(jié)果的風(fēng)險。

Khalighifar補充說：“您只是從原始圖片開始，這真棒。” “那是目標(biāo)。以前不可能準(zhǔn)確地做同樣的事情，當(dāng)然，如果不對圖像進(jìn)行預(yù)處理，就不可能做到。”

根據(jù)世界衛(wèi)生組織的數(shù)據(jù)，全世界約有6至700萬人(但大部分在拉丁美洲)感染了引起恰加斯病的寄生蟲克魯茲錐蟲。如果盡早開始治療，感染是可以治愈的。多達(dá)30%的慢性感染者會發(fā)展出心臟疾病，多達(dá)10%的人會出現(xiàn)消化系統(tǒng)疾病，神經(jīng)疾病或其他疾病。

鑒于危害，恰加斯無疑是從動物傳播疾病入手的好地方。

Khalighifar 建議該算法可以擴(kuò)展到使用智能手機(jī)的任何人，他正在致力于將其從圖像轉(zhuǎn)換為聲音，首先關(guān)注蚊子。