不会写代码也能搞AI？医生和科研人员的福音——AI科研平台

不会写代码也能搞AI？医生和科研人员的福音——AI科研平台

近年来，人工智能在医学领域取得了长足的进展，为临床诊断、疾病预测和治疗方案提供了新的思路和工具。

然而，以往医生和科研人员在涉及深度学习和人工智能的研究中常常面临编写复杂代码的挑战。

为了解决这个问题，一些科研平台相继兴起，为医生和不擅长编码的科研人员提供了更加友好和便捷的环境。

不知道大家有没有接触过类似的产品，今天给大家介绍一款商用的人工智能科研平台👇。买不起没关系，开开眼界，涨涨见识🐴

联影智能科研平台，uAI Research Portal, uRP

是面向影像和临床科室的一站式数智化科研平台，提供最新的深度学习、机器学习、影像组学、智能标注等技术和工具

打通从临床大数据管理、智能数据标注、3D图像渲染、影像组学分析、到深度学习模型训练和统计分析结果输出的一站式科研全流程。

以上是官网的一个简介。作为使用者，谈谈我的一点使用心得

首先，这个平台哪里有？
这种科研平台一般使用对象是放射科医生或医学生，因此放射科会购买这个平台。

数据集管理：平台可以直接和PACS对接，直接把原始数据push进去，进行统一的数据管理。当然也是允许手动上传的。上传后的数据可以在平台上进行批量预处理

数据标注：提供手动标注（可以调用本机的3d slicer），也可以在平台上标注，平台的标注功能带了AI模型，比如腹部器官他可以自动识别，如果你要标注这些器官那很简单。你也可以在平台上训练了一个模型后，调用自己的模型进行标注

深度学习训练：相信大家一定关心它的训练模式🤭🤭。他提供二维三维的分割，ROI的分类（无法对整张图进行分类）。来看一个案例，医生如何不写 代码就完成了深度学习训练

数据准备好后，深度学习配置就只有上图两张参数，只需要勾选你要的配置即可开始训练。当然，你看不到的参数肯定就是不可调的，比如你看不到gpu的使用情况，你也不知道提供多大的算力。提供的分割模型不多也只有vbnet相关的。

影像组学模块：在组学模块中包含三个子模块:特征提取、特征选择以及机器学习模型的训练。特征提取是在ROI区域提取图像相关的统计特征;特征选择是在特征提取的基础上做相关性分析;机 器学习模型的训练是在特征提取以及特征选择的基础上做相关分类、回归。

最后举一个用该平台发表SCI的论文，感兴趣的可以看一看。

适用人群：AI/组学薄弱人群，缺乏算力人群（影像科医生）。像我们这种资深码农肯定会觉得可调参数太少，灵活度不够。

科研平台的兴起为医生和不会写代码的科研人员提供了更加便捷和高效的途径参与人工智能和深度学习的研究。这些平台降低了技术门槛，提高了研究效率，并促进了数据共享和合作。随着科研平台的不断发展和完善，我们有理由相信，越来越多的医生和科研人员将能够借助这些平台，为医学领域的人工智能应用贡献自己的力量。