『高中營隊』北醫 AI醫學營隊

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~

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」。

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!

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

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。

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 (18) C語言 (1) 人工智慧 (4) 其他 (6) 自主學習 (4) 資訊科技 (4) 高中志工 (3) 高中營隊 (7) 高中經驗分享 (4)

即時收到高中108課綱資訊

108課綱、高中營隊,學系歷程分析

謝謝你的訂閱

Something went wrong.

This Post Has One Comment

  1. 郭玟伶

    希望了解airbnb的資訊

發佈留言