ZD至顶网服务器频道 11月09日 新闻消息: 橡树岭国家实验室(ORNL)是Titan泰坦超级计算机的所在地,由副总裁Joe Biden负责的一个专门研究小组的Cancer Moonshot计划,正在探索如何将深度学习用于改善癌症研究。
具体来说,ORNL的研究人员运用新的深度学习技术自动从覆盖全国的癌症登记项目的癌症病理报告提取信息。这些登记项目收集了美国癌症的诊断、治疗和发病率历史相关的统计学信息和临床信息,医生可以将其作为一种咨询工具用于广泛的癌症监控中。
该实验室采用一个由1976份病理报告组成的数据集,研究人员培训了一种深度学习算法用于多任务,也就是说它可以同时运行两种不同但是紧密相关的信息提取任务。在第一个任务中,该算法的目标是识别癌症的主要位置,第二个任务是要识别癌症是在身体的哪一侧。
结果显示,这种方法中神经网络不仅可以理解词的意思,而且可以理解词之间的上下文关系,该算法相比其他不分析相关信息的方法要好得多。
“直观地说,这是有道理的,因为实施更困难的目标正是了解相关任务背景的好处所在,”橡树岭国家实验室医疗数据科学研究所主任Georgia Tourassi表示。“人类可以所这种学习是因为我们了解不同词语之间的语境关系。这就是我们试图用深度学习来实现的。”
据Tourassi表示,自动数据工具的开发可以为医疗研究人员和政策制定者提供一个美国癌症人群的详细情况,这可能会揭示那些在癌症研究中被忽略的方面,加速制订有希望的治疗手段。
“今天我们正在根据对很小一部分癌症患者的治疗有效性制定决策,他们可能并不代表正在患者群体,”Tourassi表示。“我们的工作显示深度学习有潜力创造可以实现有效癌症治疗和诊断流程、让癌症群体更好地了解他们在现实生活中表现的资源。”
橡树岭国家实验室是美国能源部和国家癌症研究所的战略计算合作伙伴的一部分。橡树岭国家实验室的泰坦超级计算机是美国最快的计算机,每秒可以运行20亿亿次计算。
好文章,需要你的鼓励
清华大学团队突破性开发"零样本量化"技术,让AI模型在不接触真实数据的情况下完成高效压缩,性能反超传统方法1.7%,为隐私保护时代的AI部署开辟新路径。
普林斯顿大学研究团队开发出"LLM经济学家"框架,首次让AI学会为虚拟社会制定税收政策。系统包含基于真实人口数据的工人AI和规划者AI两层,通过自然语言交互找到最优经济政策,甚至能模拟民主投票。实验显示AI制定的税收方案接近理论最优解,为AI参与社会治理提供了新路径。
K Prize是由Databricks和Perplexity联合创始人推出的AI编程挑战赛,首轮比赛结果显示,获胜者巴西工程师Eduardo Rocha de Andrade仅答对7.5%的题目就获得5万美元奖金。该测试基于GitHub真实问题,采用定时提交系统防止针对性训练,与SWE-Bench 75%的最高得分形成鲜明对比。创始人承诺向首个在该测试中得分超过90%的开源模型提供100万美元奖励。
南开大学研究团队提出了一种新的3D高斯泼溅重光照方法,通过在高斯原语上直接编码离散化SDF值,避免了传统方法需要额外SDF网络的问题。该方法设计了投影一致性损失来约束离散SDF样本,并采用球形初始化避免局部最优。实验表明,新方法在保持高质量重光照效果的同时,仅需现有方法20%的显存,显著提升了训练和渲染效率。