AI趋势周报第129期：台北慈济医院不只用VR模拟肺炎照护，还可开发AI虚拟教师

重点新闻(0424～0430)

台北慈济医院     VR模拟     武汉肺炎  

台北慈济联手急重症模拟医学会，不只用VR模拟肺炎照护还可开发AI虚拟教师

受武汉肺炎（COVID-19）疫情影响，许多国家照护能量告急。为在低风险条件下，提高武汉肺炎患者照护力，台北慈济联手台湾急重症模拟医学会，利用SimX COVID-19 VR临床照护训练应用，打造COVID-19 VR医学模拟训练中心，让医学生学习筛检、隔离到临床照护等作业。

这套临床照护VR应用，在世界顶尖的梅约医学中心、史丹佛大学和美国空军都采用，这次由HTC医疗健康事业部DeepQ引进台湾。台北慈济医院急诊部主任杨久滕指出，过去医事人员只能透过影片和书本，来想像武汉肺炎病人情况和应对照护流程，但透过VR，可在虚拟筛检站和隔离病房内，学习和训练正确的照护流程，且能即时与临床教师讨论。 DeepQ也指出，未来累积大量的学生学习数据后，也可用来开发AI虚拟教师，协助学生学习。（详全文）

  YOLO v4     电脑视觉    物件侦测  

物件侦测类神经网络YOLO v4来了！新版更快又更准

即时物件侦测模型YOLO自2016年问世以来，就深受开发者喜爱，可产出快速、准确的辨识结果。虽然今年初，YOLO之父Joseph Redmon宣布退出电脑视觉界，社群担心YOLO就此停摆，好在日前YOLO在GitHub上释出最新版模型YOLO v4。

比起前一代，v4版可让使用者拥有旗舰版GPU（1080 Ti或2080 Ti）般的算力，来训练一个快又精准的模型，此外，新版也验证了物件侦测训练的优化方法，如Bag-of-Freebies和Bag-of-Specials。最后，新版也改善了时下热门的训练方法，包括CBN、PAN等，让单一GPU训练更有效率。经测试，新版在COCO资料集上达43.5％AP值（平均精确值），在Tesla V100上的即时运算速度可达每秒65帧，比目前最好的模型更快、更精准。（详全文）

  吴恩达    社交距离   行人辨识  

社交距离怎么抓？吴恩达揭露新方法

受到武汉肺炎（COVID-19）疫情影响，各国纷纷祭出社交距离规范，要来降低感染风险。为此，吴恩达团队也以科技防疫，开发一套AI工具，可从监视录影中，即时估算人与人之间的距离。

这套工具可分为三步骤，首先是校正（Calibration），也就是将任意角度拍摄的监视器画面，转换为由上而下的鸟瞰图，系统藉这个方法，来测量画面与现实世界的距离比例。再来是侦测，团队用开源的Faster R-CNN行人侦测模型，来自动将监视器画面中的行人，以边界框标注。最后，则是根据这些边界框，在鸟瞰图中测量行人的x、y轴座标，来计算人与人之间的水平距离。对于未保持距离的行人，系统会在这些人间画一条红色水平线，来凸显问题。（详全文）

 

  动物森友会   视讯会议       AI学术会议  

另类视讯会议！研究员将于动物森友会另辟岛屿，来举办AI学术研讨会

任天堂线上游戏动物森友会因疫情大受欢迎，近日硅谷一家AI新创Artie的自然语言研究总监Josh Eisenberg宣布，要在游戏中另辟全新岛屿，来进行AI学术研讨会（ACAI），即日起开始征件AI论文摘要，至6月12日止，会议将于7月23日举办。

Josh Eisenberg指出，因疫情关系，许多实体会议都改为线上，但却少了互动和交流。为此，他想利用线上游戏角色扮演的情境，来增加互动。主办方接受各种AI主题论文，但特别欢迎与叙述运算模型、语音辨识、电脑视觉、对话式AI、电玩AI等相关的主题。

之后，成功入选这场AI学术研讨会的论文作者，可以自己的角色进入动物森友会，来与参与者互动、解说，要是没有动物森友会账号，主办方也将帮忙创办。在研讨会中，每个议程为15分钟，其中5分钟为现场问答。与此同时，主办方也会透过Zoom，来即时分享主讲者的演讲和简报。（详全文）

  翻译服务   性别偏差    机器学习  

降低性别偏差！Google更新翻译服务

Google近日更新翻译服务，使用新方法来解决翻译上的性别偏差。这个新方法目前用于英文到西班牙文的翻译，未来将扩充至更多语言。过去，Google为一些语言提供性别翻译功能，但随着提供性别翻译服务的语言增加，旧方法出现扩展和低召回率问题。

为此，Google采用重写方法，来改善性别翻译的品质。也就是先产生初始翻译，再审查翻译，当翻译具有性别用语，则重写成目标性别翻译，最后评估精确度。此外，Google也重新产生资料集，来建置新的重写器。（详全文）

Cloud 3D照片    深度学习    图片修复  

3D照片新技术能适应输入图片复杂度，产生更自然的3D合成图片

维吉尼亚理工学院开发一套图像修复模型，可将单个RGB-D图像，转换为3D照片。有别于传统需要多张照片和特殊硬件的技术，研究团队利用一套CNN算法，来解决图片处理的不同问题，其中，新方法不预先固定图像层数，而是能适应输入图片的局部深度资讯复杂度，产生不同数量的图层。

因此，只要一张RGB-D图片，团队的模型就能产出3D照片。之后，团队也用模型来评估野外拍照的能力，透过双镜头iPhone X拍下的彩图和深度图，发现模型能产生比脸书方法更少的伪影。不过，团队方法在栏杆等复杂场景仍会失误。（详全文）

Google    智慧医疗    影像判读 

Google：人为和环境因素会影响医疗影像判读AI准确度

Google日前公布一项临床研究，以2017年发表的糖尿病视网膜病变判读AI和泰国11家眼科诊所为对象，发现AI要实用于医疗，还有漫漫长路要走。

这套视网膜病变判读AI，可利用深度学习从眼底镜中，判断视网膜病变程度，准确率达90%。2018年底，Google与泰国合作，将该云端AI应用于当地眼科。研究员发现，诊所环境大幅影响影像品质，比如模糊或太暗，会让AI视为“不可分级”而拒绝。即使接受，也可能误判。而11家诊所中只有2家有够暗的摄影场地，Google坦承，将根据这些问题，来加强训练AI系统。（详全文）

史丹佛大学     穿戴装置      疾病预防  

科技防疫再一桩！Fitbit联手史丹佛，要开发早期预警的穿戴装置AI

Fitbit联手史丹佛医学院，要搭配智能手表和其他穿戴式装置，来开发一套AI模型，侦测COVID-19等病毒感染的早期症状。首先，团队利用穿戴装置搜集志愿者心率、体温等生理资讯，来训练一系列算法，辨识人体免疫系统启动时的变化，如体温升高、发烧等。

研究团队将使用5种品牌的穿戴装置，包括智慧手表、智慧戒指等，并训练5种算法。这项研究的负责人史丹佛医学院基因学教授Michael Snyder指出，智能手表等穿戴装置一天至少可进行25万次量测，是有效的监测工具。如果算法经验证有效，将可即早侦测病毒感染、遏止传播。（详全文）

图片来源／DeepQ、YOLO、Landing.ai、Josh Eisenberg、Google、史丹佛大学

 AI趋势近期新闻 

1. PyTorch更新1.5版本释出开源模型服务器TorchServe

2. Nvidia与伦敦国王学院合作开源医疗影像用AI框架MONAI

3. 韩国科技龙头Naver释出Clova AI最新预训练模型StarGAN v2和资料集

4. Amazon发表更强大的分散式注意力网络ResNeST

资料来源：iThome整理，2020年4月