李飞飞团队最新研究 :「四步」AI方案助老人抵抗新冠肺炎
最后更新：2020-04-10 13:21:49 手机定位技术交流文章
自2018年重返学术界以来，李菲菲教授很少公开露面。最近，在斯坦福大学的一次在线会议上，我们有机会了解到她和她的团队的最新研究，人工智能辅助的家庭老年护理酰胺公司的vid-19流行病。她介绍了如何利用人工智能技术来帮助弱势群体——老年人抗击新的皇冠肺炎和慢性病管理登陆解决方案，该方案使用了RGB摄像头、深度传感器、温度传感器、可穿戴传感器，以边缘计算为核心，同时强调保护个人隐私。在一次采访中，李菲菲说，“我们将使用联合学习，以无监督的方式更新每个边缘设备上的模型，以适应新环境并提高鲁棒性。通过使用联合学习，我们希望通过将攻击面限制在设备，而不是设备和云，来降低个人隐私和安全风险。此外，李菲菲还分享了四种不同场景的应用模式，包括感染检测、移动性分析、睡眠模式分析和饮食模式分析，以解释人工智能传感器如何帮助医护人员和家庭成员帮助和保护老年人。目前，该项目已经在旧金山地区开展试点合作。
编译机器功率
上周，斯坦福大学以人为中心的人工智能(HAI，以人为中心的人工智能研究所)主办了一个名为“人工智能和Covid-19:技术如何能够理解，跟踪，在“和改善健康结果”的在线会议上，超过30名斯坦福大学的教职员工聚集在一起，讨论人工智能如何能够帮助理解，跟踪新的冠状肺炎，并改善公共卫生，跨越医学，计算机科学和人文领域。
在会议上，李菲菲与她的团队——人工智能助理家庭老人护理公司Vid-19大流行分享了她的最新研究。她介绍了人工智能技术的着陆解决方案，以帮助老年人对抗新的冠状肺炎和慢性病管理。该解决方案使用RGB摄像头、深度传感器、温度传感器、可穿戴传感器，以边缘计算为核心，强调保护个人隐私。
2018年9月，斯坦福大学终身教授、斯坦福大学人工智能实验室主任李菲菲结束了为期两年的谷歌云机器学习(Google Cloud Machine Learning)负责人的学术假期，回到斯坦福大学继续进行基础科学研究。她曾经说过，她的一些精力将继续投入人工智能医学相关领域和人工智能基础科学研究。"我目前对医疗卫生的人工智能登陆最乐观."
今年2月，李飞飞临美国，并当选为美国国家工程学院的成员。作为一名著名的女科学家，李菲菲目前是斯坦福大学红杉讲师教授、以人为本的人工智能研究所所长和AI4ALL联合创始人主席。李菲菲在四川长大，十几岁时移民到美国。他在2015年被选为“世界100大思想家”。他也是谷歌云人工智能的负责人和谷歌的首席科学家。
查看视频链接可在以下网址找到:https://hai . Stanford . edu/events/covid-1and-ai-虚拟会议/视频存档。
(HAI在网上分享一些内容)
李菲菲共享一套基于人工智能的家庭保护系统，该系统用于跟踪居民的健康状况，包括COVID-19的迹象，重点关注独居老人，以便与家人或医疗护理人员保持联系，同时确保隐私和数据安全风险。
在新的冠状肺炎流行期间，照顾老年人的困难在于，保护老年人的最佳方式是减少与人的接触，包括注意他们是否与有疾病症状的人接触。
该系统旨在解决跟踪老年人健康而不使他们暴露于接触风险的问题，并且还允许护理人员远程监控患有现有疾病的老年人的基本健康状况。
我们如何帮助弱势老年人？
李菲菲在她的演讲中提到，在新型冠状病毒爆发之前，她的团队由临床医生和计算机科学家组成，密切合作开展该项目。
李菲菲研究小组成员
在团队介绍过程中，李菲菲把重点放在了罗一航身上，他是斯坦福大学计算机科学系的二年级博士生。这里介绍的项目是他目前研究的一部分。
“过去几年，我们一直在研究一套人工智能技术如何帮助老年人更独立地生活和应对慢性病管理。但最近，我们意识到，用于长期护理的相同技术也可能在疫情期间对老年人有所帮助。”她说。
该项目仍处于研究阶段。团队需要完成数据集构建和模型培训，不清楚需要多长时间才能完成。然而，部分或全部，该系统最初是为一般老年人护理而设计的，是大规模隔离期间健康监测的理想选择。
由于大规模的隔离，老人得不到及时治疗和失去生命的消息并不少见。李菲菲在直播中介绍了一个真实的事件。一个儿子讲述了他年迈的父母的故事，他们在意大利家中发高烧8天，在没有适当的医疗帮助下死于冠状病毒感染。
李菲菲在直播中介绍了新皇冠的最新研究数据。她说，从感染率和死亡率来看，新的冠状病毒对老年人的打击比年轻人更大。下图中的红条表明死亡率随着年龄的增长而急剧上升。
需要进一步的科学研究来证明这个原因。医生和研究人员正在猜测可能导致这一趋势的几个因素。
例如，大多数老年人的健康状况不佳使他们更加脆弱，许多老年人的社区生活使这种高传染性病毒传播得更快。此外，老年人与护理人员互动，护理人员通常是较年轻的群体，可能携带病毒而没有症状。其他原因可能包括医疗标准的挑战或由于医疗系统超负荷导致的基本慢性病缺乏护理。
为此，李菲菲提出了一种可以有效降低老年人感染和死亡率的方法，即利用人工智能驱动的智能传感器技术，在家中安装传感器，帮助家庭和临床医生以通用和可扩展的方式跟踪老年人的健康状况。
其次，一个好的系统应该保护隐私和安全。
一种可以有效降低老年人感染率和死亡率的方法是使用人工智能驱动的智能传感器技术，通过在家中安装传感器，帮助家庭和临床医生以通用和可扩展的方式跟踪老年人的健康状况。
李菲菲介绍说，人工智能系统分为四个步骤。首先，传感器放在家里收集数据。下表显示了各种智能传感器，它们在所收集数据的形式和类型以及灵敏度方面互为补充。
在他的演讲中，李菲菲概述了四种类型的传感器——照相机、深度传感器、热传感器和可穿戴传感器(如FitBit)。李菲菲说，他们的研究只集中在前三个领域。
她认为，因为隐私在这样的系统中很重要，所以相机带来了其他类型传感器所没有的挑战。“摄像头传感器包含了很多关于一个人活动的详细信息，但它与大多数人的隐私需求相冲突。ゥ
她说，人工智能模型可以安装在边缘设备上，因此在部署时，数据不需要离开房子，直接在终端上处理，降低了隐私风险。
在第二步中，当传感器捕获数据时，系统将其发送到安全的中央服务器。李菲菲承认，这一过程存在固有的安全风险，如网络攻击的威胁。
当李菲菲通过电子邮件回答VentureBeat的采访时，研究人员在整个过程中遵循了隐私和安全准则。“例如，我们的边缘设备配备了磁盘加密，用户隐私属性的数据(如人脸)将被删除，然后数据将被加密，然后传输到云，我们的服务器将符合HIPPA标准。”她说。
第三步，一旦数据到达服务器，经过批准的临床医生和人工智能专家将对其进行分析和注释，以开发一个机器学习模型。
"人工智能模型被训练用来识别临床相关的模式，包括呼吸、睡眠、饮食和其他行为. "李菲菲补充说，他们正在寻找的模式围绕日常活动，换句话说，它侧重于具体措施，并没有对所有居民的日常活动进行广泛的分析。
其次，他们将训练好的模型部署到边缘设备上，在那里检测系统可以在本地运行。这将创建一个闭环系统，其中没有数据必须离开的先决条件。“这在本质上是安全的，但它使我们无法进一步培训这种模式。ゥ
研究人员已经起草了一份解决这一限制的计划，李菲菲在回复VentureBeat的邮件中概述了这一计划。
“我们设想联合学习仍将用于以无监督的方式更新每个边缘设备上的模型，以适应新环境并提高鲁棒性。通过使用联合学习，我们希望通过将攻击面限制在设备，而不是设备和云，来降低个人隐私和安全风险。ゥ
最后，该系统还需要一种方法将智能传感器的检测结果传输给医护人员或家庭成员。
李菲菲说，该团队尚未找到具体的解决方案，但正在考虑使用移动应用程序或网络接口，这两者都可以通过多因素认证来保护。
她说:“在这项研究的每一步和这项技术的部署中，我们必须仔细考虑道德、隐私和安全挑战。ゥ
三四个应用场景
在现场直播中，李菲菲分享了四个实际应用案例，包括感染检测、移动性分析、睡眠模式分析和饮食模式分析，以解释人工智能传感器如何能够帮助医护人员和家庭成员帮助和保护老年人。
在感染检测方面，显示发热检测和呼吸模式识别的样本图像表明，使用热传感器获得更多信息有助于感染的早期检测。
在移动性分析方面，李菲菲团队应用人工智能来理解人们的运动轨迹。在许多相关疾病中，患者的运动轨迹是一个重要的临床指标。根据下图，基于人工智能的传感器在识别不同类型的运动时具有非常高的精度。
睡眠模式分析，统计和分析每天的睡眠时间和睡眠深度。
最后，人工智能智能智能传感器技术还可以用来分析饮食习惯，包括饮食、液体摄入和药丸摄入。
在新发肺炎期间，最大的问题是医疗系统超负荷导致护理人员短缺。这些应用可以在日常生活中帮助老年人。李菲菲强调说，“这些传感器并不是为了做出诊断决定或取代临床医生，而是可以继续存在，关注住在家里的老年人，并及时提醒临床医生及其家人。ゥ
旧金山四次登陆
当前流行病带来的挑战不仅包括确保老年人的安全和健康，还包括更加关注需要紧急跟进的疾病和应该被隔离的人。
李菲菲说他不会进入隐私领域。“我们的目标是提出尖端的计算机视觉和机器学习技术，以解决医疗保健中最重要和最具挑战性的问题，并提出伦理、隐私和人工智能医疗保健研究的安全指南。ゥ
其他人工智能驱动的家庭监控系统也包括可穿戴设备，如当前健康、节奏和自由生活。
像Care.ai这样的解决方案使用计算机视觉来采用非接触式监控方法，这种方法类似于李菲菲团队正在开发的系统，但是Care.ai的系统是为医院而不是家庭护理而设计的。
李菲菲说，该研究项目目前正在进行中，研究团队仍然专注于科学研究。最新的进展是，他们已经在旧金山的辅助生活设施中完成了一项试点研究，与安乐(On Lok)合作，安乐是一个致力于为老年人提供优质护理的组织，他们将进入下一阶段的研究。
本文由 在线网速测试 整理编辑，转载请注明出处。
