港科大褚晓文：医疗场景下的 AutoML，模型参数量更小、分类准确率更高

开拓 AI 和医学结合更多的也许性，是人工自动成长的1个首要命题。

AutoML 作为近年来备受注目的概念之一，被视为解决算法工程师来提升训练模型效益的1个工具，在产业、农业、零卖等诸多情景中均有被应用。

而跟着 AI 在医学影像解析、医疗抉择、个体就医助手等情景行业的全面运用，AutoML凭仗其自动化、智能化等特征，也激发了越来越多研发队伍开启思索：假设将其摆放在医学情景下，能否也能获取不错的结果？

褚晓文，香港科技大学（广州）信息科学与解析学域正老师，由他所率领的队伍也是这条开拓路上的分队之一。

最近，褚晓文将在 IEEE x ATEC 科技思享会上进行题为《 AutoML 在基于胸部 CT 影像的 Covid-19 辅助诊疗中的运用》的主旨演讲，分析 AutoML 的根本概念和中心技术，并通过他们近两年的有关工作，简介 AutoML 在医疗影像行业的潜在运用。

通过壮大的算力解锁高难情景信息，AutoML 可以极大地减少医师工作量，实行愈加自动化的计算机辅助诊疗，供应更确切的抉择根据，在绝对程度上提升了诊断效益，精确节约医学本钱。

AutoML + 医学

从疾病辅助诊疗医治、慢病危害预判，到全面的亚健康聪慧康养，AI 技术的显现和全面运用，驱动传统医疗研发迈进了崭新的阶段。作为「AI +医学」的1个首要研发方向，「AI +医学影像」的技术日趋成熟，在覆盖病种数目、诊疗速率和确切性等方面也不停地实行冲破。

图注：褚晓文

褚晓文，1999年于清华大学计算机科学与技术系获取学士学位，2003年博士结业于香港科技大学计算机科学系。2003年到2021年，他在香港浸会大学计算机科学系任职助理老师、副老师、正老师，现任香港科技大学（广州）信息科学与解析学域正老师。

他研发兴致含盖 GPU 计算、散布式机械学习、云计算和无线网络等，在各类国际学术期刊和聚会中刊登论文200余篇，谷歌H指数为46，论文引用7900余次。曾获取 2021年 IEEE INFOCOM、2021年 DASFAA-MUST、2020年IEEE GreenCom、2018年IEEE DataCom等国际聚会的最好论文奖，是IEEE资深会员和ATEC 2021顶级咨询委员会顾问。

褚晓文和研发队伍从2018年开启对 AutoML 调查，应用 AutoML 运用于医学情景下的研发。

2019年年底，一场突如其来的疫情囊括了世界， Covid-19 的显现给人们的生活按下了暂停键。Covid-19 的探测诊疗方式首要含盖了核酸探测和基于医学影像的人工诊疗，两者各有利害，核酸探测耗时较长、且又须要专属的测验盒，而基于医学影像的人工诊疗则非常依托专业常识，解析耗时较长以及还难以发掘藏匿病变。

褚晓文和研发队伍开启参考能否阔以通过应用 AutoML 来辅助诊疗 Covid-19 探测，提升探测效益。跟着X射线图片和计算机断层扫描图片信息集的相继提出，褚晓文与香港浸会大学的博士研发生贺鑫在已有图片和信息集的根基上建立基于深度学习的 Covid-19 探测诊疗模型，总结 Covid-19 探测诊疗的主流影像信息集和有关评估指标。

另外，在论文“Survey of Studies of COVID-19 Diagnosis Based on Deep Learning”中，褚晓文和研发队伍从模型任务和影像信息型号2个角度起程，还简介了现有的 Covid-19 探测诊疗模型，并对骨干网络、信息集、影像型号、功能体现、分类品种和开源状况6个维度进行较为与解析。

现在，深度学习在基于胸部影像的 Covid-19 辅助诊疗中获得全面运用，各类人工设计的深度学习模型在不同的 Covid-19 信息集上体现各异，缺少一类通用的应用于不同信息集的神经网络构造，同1个模型在不同情景中的应用程度也不相近。

AutoML 在 Covid-19 辅助诊疗中的运用，旨在给定信息集上智能搜索1个高效的神经网络模型，阔以大大减小繁复的人工设计和调优流程，将科学家们解放出来去做更有意义的事。

为了解决基于权重同享的网络搜索方略中的安稳性问题，褚晓文和研发队伍提出一类有效的进化多目的构造搜索框架。另外，对于信息集匮乏的问题，他们还提出了一类集成智能信息加强和智能网络搜索的新框架，这一框架在三类公然 Covid-19 信息集上均获得了优秀的功能。