首頁108課綱『高中營隊』北醫 AI醫學營隊 心得分享

前言:參加AI醫學營的動機?

我們在高中時常會聽到「二類營隊」、「三類營隊」等等的稱呼,這是因為大 部分營隊都只以一個主題作為營隊的核心。

舉例來說,電機營隊只會教二類電機相關的學術知識;醫學營隊則是教三類醫療的學術知識。幾乎沒有營隊會同時教授兩個主題,甚至是把兩者做結合,同時間一起探討。

據我所知,目前台灣有開設「結合性營隊」好像只有臺北醫學大學,就是這次我要介紹的「AI醫學營隊」。

「AI醫學營隊」的課程以AI作為基底,在課程中延伸出如何使AI與現代醫學做配合,並且舉出實際例子分享給學員。這樣敘述也許不容易理解,那麼我會在下文好好把每一個課程做介紹,看完一定就可以理解這個營隊到底是在教什麼嘍~

另外,因為這次營隊不包括住宿,所以我自己在校園附近租了短期的Airbnb,如果有興趣的話,我會把在Airbnb的經驗分享給大家,如果大家以後有遇到不提供住宿的營隊,又或是對這部分有興趣的,我會把文章寫在最後方,可以去看看喔~

[sc name=”google-ads” ]

課程1:癌症醫學介紹及AI的應用

講師:陳俊佑 醫師

這堂課主要分為兩大主題,癌症醫學的介紹與AI的介紹。首先,教授先教授學員何謂「人工智慧」,以及人工智慧的發展歷史。

在AI介紹的部分,分享了「人工智慧 Artificial Intelligence」、「機器學習 Machine Learning」、「深度學習 Deep Learning」之間的關係。也從過去人工智慧的比賽歷史,來分享人工智慧的歷史,是從什麼時候流行,中間又經歷了怎樣的低潮,最後又再次興起的過程。

接著在介紹完AI過去的歷史,老師也講解了機器學習的概念,讓我們知道機器學習大概是如合運作的,並介紹了「真理函數」、「模仿函數」的基礎,讓我們對AI的運算有更深的理解。

在介紹完AI後,醫師也分享了癌症的應用元素。在有著AI的技術之下,究竟有哪方面同時應用「癌症醫學」與「AI技術」呢?

範例一: 腫瘤檢查

根據過去案例分析,有部分癌症不容易被發現,通常被發現時都已經屬於晚期,完全醫治的方法十分傷身體,有時甚至連救都救不回來。

不過AI就可以幫助解決這個問題。首先,我們要了解為什麼會發生沒在癌症初期就檢查出來?部分原因是因為「腫瘤大小過小」,醫生無法每一張都正確分析,所以有時候漏檢查到。

這時候,AI的優勢就派上場了,AI能夠詳細的辨識出每一張照片內容,不會因為疲勞導致精準度受影響,也不會因為螢幕反光等等的其他原因,便可以幫助醫生判斷,確定醫師是否把該檢查的地方都檢查過了。

範例二:癌症分析表

人類在醫療癌症上,已經有過去許多的經驗以及資料記載,我們便可以利用AI製作出一張「癌症分析表(DCB Prediction Nomogram)」,不但可以幫助醫生判斷病人的目前病情狀況,也可以直擊拿給病人看,讓醫生與病人可以同時得知目前病況,並擬訂出治療的策略。

範例三:醫學分析機器人

上述的都是屬於人類自己撰寫程式去使AI運作,這次的「醫學分析機器人」,能夠自己在醫學方面的學術論文上,自己搜集資料,日夜不停地學習,不斷更新最新的資訊,那到底這樣有什麼用呢?

「醫學分析機器人」只需要由醫生輸入特定的病人情況,舉例來說「年齡」、「BMI」、「病情狀況」、「嚴重程度」等等的資料。AI便會從資料庫中找出類似的文獻,提供給醫生參考,並分析出如果使用某種藥物,會發生的結果,並且註明參考文獻的來源,醫生更可以親自去讀機器參考的資料來源。(上述俗稱「實證醫學」)

除此之外,機器人更會產出許多圖表,分析目前病人的狀況,並提供許多投藥的選擇,讓病人與醫師可以共同討論出該如何對症下藥,也就是近期非常流行的「醫病共享決策 Sharing Decision Making」。

[sc name=”google-ads” ]

課程2:智慧型創新思維

講師:邱士峰 教授

在這堂課當中,教授分享了「創意」與「創新」的概念,為何要創新?該如何創新?現代因為科技的進步,大家逐漸有了「發明」的想法,但為何有些發明能夠造福大眾,有些卻會面臨虧本倒閉的風險呢?這些問題在「智慧型創新思維」中都能得到解答!

「創意 Creativity」與「創新 Innovation」差異在哪呢?有沒有實質的定義呢?這兩個詞沒有準確的定義,根據你看事情的角度,這兩個詞的定義將不斷變化。

對我來說「創意 Creativity」是偏向概念型態,屬於一種創意的誕生,如果用單詞來形容的話,便會是「Ideas、Imagination、Problem solving、brainstorming、concept」這幾個詞彙。

那麼「創新 Innovation」又是什麼呢?我的觀點下「創新 Innovation」是偏向實體概念型態,屬於一種實作出的產品,並且可以產生價值(Value)的商品。

許多創業的人為什麼會失敗?有一部分的人便是不理解何謂「創新」,創新是一種有價值的實作。「價值」這個詞其實很廣泛,也可以說成市場需求,是否可以實質性幫助人類,是否滿足人類需求?許多創新不過是滿足「創造者自己的需求」而非「大眾的需求」。

在這堂課程中,我學到了當我想要創新時,應該思考的方面。不再是做出自己妄想的作品,而是能做出大眾有需求的產品!

課程3:人性化的醫療物聯網

講師:許權廣 主任

課堂當中,由萬芳醫院的醫師兼資訊主任,為我們介紹「物聯網與醫療」的實際結合。在簡報當中提到了許多有創意並且實用的實際案例,舉例來說:「睡眠與光源的搭配」、「護理師保護系統」、「萬小芳AI Bot」等等。

其中,「智能光板」便是結合醫學與物聯網的產物。為什麼會有這項產品的產生呢?根據飛利浦公司的研究指出:每天照射兩個小時的太陽,等於喝下四杯咖啡的精力!也因為在病房內很少有時間曬到太陽,導致病人的生理時鐘錯亂,使康復速度大打折扣。

所以有了上面的開發理由,就有了「智慧光板系統」的出現。在結合「睡眠」與「物聯網」的情況下,他能夠根據你手上戴的手環,偵測到的脈搏,去判斷出病人目前的生理狀況。

當偵測到「準備入睡(脈搏降低)」時,智能光板便會使室內光源逐暗下來;當偵測到「準備起床(脈搏升高)」時,便會使智能光板亮度獨漸增強,讓病人的生理時鐘更正常。

智慧光板也會依據當下的時間,調整光板亮度。像是在正中午時把光板亮度增強,在接近傍晚時把亮度減弱等等。這些設備可以幫助病人的生理時鐘運作正常,更可以幫助病人讓恢復速度大幅提升。這項「智能光板」的產出,無疑造福了許多病人!

[sc name=”google-ads” ]

課程4:智慧病房-萬芳醫院參觀

在「人性化的醫療物聯網」課程結束後,下一站就是實際參觀。來到了樂齡病房當中,裡面有著許多結合「AI」、「物聯網」、「醫學」的系統。舉例來說:「跌倒警報系統」,還有前面提及的「智慧光板系統」,另外還有電子畫牆!下面我來大略介紹一下功能~

「跌倒警報系統」:在每一間的病房內都有著監視器,監視器不只是單單錄影而已,更能夠隨時監測、判斷病人的動作,利用AI去進行演算,假如AI預測接下來病人有可能要跌倒了,就會馬上在護理師的那端響起警報,告訴護理師要過去注意情況!

「電子畫牆」:有人說電視螢幕只能拿來看電視嗎?這裡的病房大廳走廊有著許多台「裝飾成畫的電視」!電視每天會播放不同的世界名畫,又或是動態的森林、大海等等,不但可以幫助病人陶冶心靈,更可以讓病人在醫院也可以與世界做接觸!

課程5:人工智慧發展與大數據趨勢

講師:張詠淳 教授 Yung-Chun Chang

在這堂課程中,教授分享了如何把「大數據」與「人工智慧」做結合。提出了許多實際例子,也分享了該如何實際應用大數據在日常生活中,如何看懂大數據要告訴我們的內容。

這次教授分享的內容都很有趣也很吸引人,舉其中一個例子來說:根據「藝人在發生醜聞之後的民意度影響」大數據來看。

首先我們可以從資料得知:

1.王世堅在發生外遇後,民意好感度並沒有很大的反彈;但阿基師在發生外遇後,民意好感度卻快速下滑,差距甚遠。

2.八卦僅僅流傳了約20天,就消聲匿跡了,討論人數驟降。

在有了大數據的分析後,我們得到了這些結論,接著我們要做的就是「看懂大數據」。何謂看懂呢?「王世堅與阿基師的差異」=「形象背離越大,民意反彈越大」;「外遇八卦大約熱20天而已」。

那麼有了這兩個結論,藝人的經紀公司就能在藝人發生狀況時,有更好地應對方式,並且預測這次民眾反彈聲浪的大小。

舉例來說:當藝人發生外遇事件後,經紀公司可以讓藝人先道個歉,接著馬上安排飛機出國避風頭,等到八卦的熱點過來,再回到本國來處理事情。

因為有了大數據,我們可以根據經驗法則來判斷接下來做什麼事,風險最低,能夠處理的最完美,這就是大數據迷人的所在之處。

課程6:人工智慧 醫療應用

講師:彭徐鈞 教授 Syu-Jyun Peng

這堂課分成兩個部分:第一是深度學習介紹,第二在則是深度學習於醫學的應用。

在深度學習的介紹當中,又分為兩大部分,其中一個是深度學習的架構,另外一個則是圖片辨識(CNN)當中偵測(Detection)與分割(Segamentation)的差異。緊接著繼續介紹圖片辨識(CNN)(Convolution Neural Network)的大致架構是如何。

首先,深度學習的架構可以大致上分為「輸入層」、「輸出層」與「隱藏層」,如果簡單來說的話,「輸入層」就是你把圖片丟進去AI運算的圖片;「輸出層」則是AI運算完的輸出結果;「隱藏層」則是AI的計算、演算過程。

接著說到圖片辨識(Convolution Neural Network)的六大層架構,分別為:

  1. Convolution Layer
  2. Rectified Linear Unit Layer (ReLU)
  3. Pooling Layer
  4. Fully Connected Layer
  5. Softmax Layer
  6. Classification Layer

[sc name=”google-ads” ]

1.Convolution Layer:卷積層,用來找圖片的特徵

2.Rectified Linear Unit Layer:去蕪存菁,把不好的判別特徵刪除,留下優良的判斷特徵

3.Pooling Layer:選擇最好的特徵(Feature)留下

4.Fully connected Layer:把分類好的特徵(Feature)轉成向量

5.Softmax Layer:計算機率(Probability)數值

6.Classification Layer:把最終的結果進行分類

教授分享玩基礎AI後,開始介紹AI在醫學方面的應用。目前大部分在醫學領域的AI,都是屬於Pre-trained Model。因為在醫療方面的參考數據稀少,舉實際例子來說:在肺癌轉移性腦瘤的醫學領域,近20年來台灣僅有1200起案例,圖片的案例過少,無法自己訓練出一個完整的模型,只能採用Pre-trained Model的形式,以需要的訓練集少、準確率可高達90%為特色。

另外也介紹的自己Train Model的方式,雖然需要很多訓練集(資料),更需要持續調整參數,很吃硬體效能,不過相較Pre-trained Model來說,Trained Model更嚴謹,正確率最高能提升至99%,不像Pre-trained Model會卡在90%的瓶頸。

那麼究竟有什麼醫學領域已經與「Convolution Neural Network 圖片辨識」做結合了呢?其中一個是「腦部腫瘤偵測」。AI能夠根據照片分析、判斷這張照片是否有著腦瘤,協助醫生判斷時能夠更謹慎。

課程7:AI x IOT 物聯網實作 悠遊卡實作

講師:簡文山 教授

這堂課教授講解了RFID的運作原理、應用,並且帶我們實際「製作悠遊卡」。RFID全名Radio Frequency IDentification,無線射頻辨識。

先介紹這次的實作作品:悠遊卡~教授分享了如何找出市售的悠遊卡當中,放置的晶片處,接著把放有晶片處剪下來,利用丙酮把卡片融化,取出裡面的晶片。並且把晶片處理乾淨後,銲上預先準備好的銅線圈,最後再把他裝進預先準備好的容器當中(小盒子或是造型小玩偶等等)。

在等待悠遊卡融化的期間,教授也講解了RFID的基礎原理與系統組成,接著介紹無線射頻辨識的工作原理,再來分享許多「無限射頻辨識」有關的技術、設備整合。從社區的門禁卡,搭車用的悠遊卡,一直到醫療應用!用途十分的廣泛,只要有創意幾乎都能搭配到RFID。

下方舉一些目前實際在用的例子說明:

  • 門禁管制:家裡的電子鎖
  • 貨物管理:配送貨物編號晶片
  • 醫療應用:醫院的病歷系統
  • 交通運輸:高速公路上的ETag
  • 防盜應用:無人超商的防偷系統
  • 動物監控:家裡的小狗狗植入晶片
  • 自動控制:汽車、家電、電子業之自動組裝
  • 聯合票證:電子發票、悠遊卡
  • 餐飲結合:在餐盤底下配置晶片,辨識價格,快速扣款

RFID的特色就是辨識速度很快,價格便宜,用途廣泛。所以才能如此遍佈我們的生活當中~以下有一個表格是無線射頻辨識系統與手動掃描的速度比較:

登入方式:/數據量1筆10筆100筆1000筆
人工登入10秒100秒1000秒2小時47分
掃描條碼2秒20秒200秒33分
無線射頻辨識0.1秒1秒10秒1分40秒
人工登入、條碼與無線射頻辨識之處理速度比較

(表格資料來源:工研院經濟中心整理)

課程8:AI概論&機器人實作 Matrix Mini 尋跡車

此課程非教授講解!

這堂課主要是介紹「基礎AI運作原理」與「尋跡車組裝、撰寫程式」。不過這堂課的「幾處AI運作原理」與之前的課程有點重複,所以就不再文章中特別去敘述,這次重點放在組裝與撰寫Matrix Mini尋跡車。

先來說組裝的部分,我們使用類似樂高的材料去組裝,不過材料是金屬材質,比較特別。這次使用的感應器是「紅外線感應器」能夠調整偵測數值來回傳0與1,並且使用直流馬達作為驅動。

在程式撰寫部分,老師有提供範例程式讓我們能夠快速理解,從基礎的兩輪驅動,到設定紅外線感應器的數值,最後到尋跡車的撰寫。短短的幾行程式,算是這三天下來較為簡單的課程。

課程9:當機器看懂文字後的AI應用

講師:張詠淳 教授 Yung-Chun Chang

這堂課與上面章節「圖片辨識」有點相似,不過這次是關於「文字」方面的AI以及應用~教授在這次課程分享了文本辨識的基礎(NLP = Natural Language Processing)以及AI辨識文本後的應用。

先從Natural Language Processing的基礎來看,雖然大眾對AI的印象不外乎就是辨識圖像、影像,不過仔細想想,在日常生活中的互動、交流,在社交軟體上的留言、訊息傳送等等,幾乎都是透過文字進行溝通。所以只要掌握了文字的情緒、文本意義,便可以分析出許多實用的數據。

我們可以試著來看AI究竟是如何分析文本情緒的,在文本當中,如果出現特定的詞彙,有很大的機率是屬於某種情緒。舉例來說:民眾遇到「調漲」,大部分情緒都是「憤怒」,所以設計文本辨識AI設計者變會告訴AI,當遇到「調漲」這個詞彙時,通常讀者會帶有憤怒的情緒。

再從老師分享的例子來看:
當出現「婦女」、「救助」、「小孩」、「當作」、「人」、「認為」這幾個詞彙時,有很大的機率代表「危險」。

當出現「國家」、「發生」、「地震」、「劫難」這幾個詞彙時,有很大的機率代表「擔心」。

除了文本情緒辨識之外,還有一樣功能是在Natural Language Processing方面十分突出的,就是文本關鍵字分析。

[sc name=”google-ads” ]

我們可以讓AI文本辨識機器人,去網路上蒐集評價,分析出哪幾個關鍵字常出現。舉例來說:假如今天的目標是「飯店的評價」,得到一個結果「暑假」、「評價低」、「服務差」,那麼代表我們可以推測:「暑假人潮過多,導致服務人員人手不足,進而影響服務品質」,接著就可以在暑假增派人手,解決這個問題。

延續上面的例子,假如這次關鍵字改為:「寒假」、「評價高」、「購物潮」,便可以得知:寒假的顧客較喜歡購物,可以與商店、名牌合作,祭出折扣優惠,吸引客人來入住這間飯店。

除了上面兩個例子以外,還有一個蠻好玩的事情與大家分享~在有了文本辨識AI以後,大部分的廣告投放歐式根據使用者貼文、留言的關鍵字,來投放廣告。假如今天有兩位使用者都在Facebook發布貼文,A說:「I am 23 weeks pregnant.」B:「I look like I’m 6 months pregnant.」

當今天產婦商品廣告商在投放的時候,當然希望投放給孕婦,而不是「肥的像孕婦的人」~所以文本辨識在某方面的難度又提高了,我們需要不斷的精進,才萌辨識出這種特殊例子。

活動1:加勒比海的深海秘寶

這次唯一的活動~~~加勒比海的深海秘寶!其實就是類似賭博的遊戲拉~不過是比賽看誰能在最短的時間用學長姐發下的錢,賺取到最多的錢~

活動場地裡面,有著許多遊戲項目,像是:射飛鏢、彈彈珠、搖骰子與簽樂透等等的遊戲,每一個項目都有自己的遊戲規則,不過學長姐設計幾乎都是不會輸的遊戲拉~所以大家幾乎都沒在怕的哈哈~

在這個遊戲當中,我覺得最好賺的遊戲就是簽樂透~不誇張,我就是靠簽樂透贏下這次遊戲的冠軍!跟大家分享為什麼,因為簽樂透是唯一一個可以無限倍率的遊戲,其他的遊戲都限制一次最多200遊戲幣,但是簽樂透沒有限制,想簽多少就簽多少~所以在短時間內樂透賺最快!

像是我就一次直接買了90倍的樂透,價值200 x 90 = 18000遊戲幣。最後超級幸運地抽中所有選的號碼與顏色,抽機會卡的時候又抽中最好的3倍,直接人品大爆發!達到最高的倍率!

三個數字全部抽中 = x6、顏色抽中 = x2、機會卡抽到 x3

最後結算是:18000 x 6 x 2 x 3 = 648000

最後學長姐直接簽了一張支票給我哈哈~因為648000如果要用遊戲幣服的話,光是屬出來就要花費很多時間了!

Bonus:分享校外住宿經驗

因為此篇文章的篇幅太長了,所以我把這章節額外再寫一篇文章給大家,敬請期待!(如果想要看的話,歡迎下方留言~超過10個人會找時間分享給大家的!)

9/25最新資訊額外補充:

北醫有訊息說將在一個禮拜內開放報名,如果有想要收到即時消息的學生、家長,可以去填寫這個表單,就可以收到最即時的消息了!

點擊前往表單

108課綱 (50) 其他 (30) 工商服務(不喜勿入) (6) 懶人包 (19) 活動心得 (22) 高中生活 (22)

高中生資訊網站-站長https://students.tw
大家好,我是高中生資訊網站的創辦人,Joey。 致力於分享高中生相關的資訊,無論是活動、志工、營隊等等 喜歡深度學習、架設網站等等,自詡為斜槓青年~ 如果有網站相關的問題都可以詢問我喔!
相關的文章

1條評論

留下一個回覆

請輸入你的評論!
請在這裡輸入你的名字

訂閱最新的108課綱資訊

想要知道更多即時的108課綱資訊嗎?快來訂閱電子報吧!完全免費!

推薦文章

更多文章

15846

免費獲得營隊報名、比賽資訊、學習歷程相關資源

108課綱資訊電子報

限時免費加入,獲取最新的一手資訊