全球面臨醫療人才短缺問題，而醫學又是一門觀察與判斷的學科，看準未來龐大商機，Google 因而引入人工智慧於醫學應用上，如利用 AI 與機器學習深度運算，協助醫學影像辨識，讓 AI 成為當今醫師診療時的得力助手。
在印度，每年有百萬人因為眼科醫師短缺，當地 45％ 的糖尿病患者還來不及接受診斷就失明，而糖尿病患者要防範失明，極需眼底視網膜篩檢。 Google 便在印度引進 AI 技術進行醫學影像辨識。最新研究指出， AI 判讀結果的準確度逼近視網膜專科醫師。
除了協助醫學影像的辨識， AI 還能預測醫師無法從影像預知的疾病，透過導入大量影像，機器就能評估疾病風險，如心血管疾病、癌症等。待 AI 累積大量經驗、準確率高，最終就無須透過人工介RTK定位入，可讓機器自行辨識。目前已用於淋巴結中的乳腺癌轉移瘤檢測，以及糖尿病視網膜病變等。
人工智慧在醫療領域的發展潛力十分龐大，而這項技術在全球的近用性也尤其重要。根據 Google 機器人學習數百項訓練模型發現，儘管研究尚處相當早期的階段，模型的曲線下面積( AUC ) 達到 0.7 (演算法正確度達 70% )。同時在定位腫瘤的準確率達到 89％ ，已高於人類病理學家的 73% 。
衛星定位儀測量方法
隨著觀測衛星數目的增加，以及相位未定值求解理論不斷的推陳出新，導致GPS定位測量方式亦不斷的演變，從最初的靜態測量（Static）發展到半動態測量（Semi-Kinematic）、虛擬動態測量（Pseudo- Kinematic）、快速靜態測量（Rapid Static）、動態測量（Kinematic），直至目前結合無線電通訊設備的即時性動態測量（Real-Time Kinematic），至此GPS定位測量方式可以說是已經發展到了另一個新的應用階段。
根據前述載波相全站儀位觀測理論及其定位精度，將GPS衛星測量方法簡單歸納並依其網形及點位之測設方式及各種測量工程之應用對象說明如下：1.靜態基線測量：適用於邊長5公里以上之高精度控制網測量。如地殼變動、大區域之大地控制網等。2.快速靜態測量：測點迅速適合於短邊長（5公里以內）控制測量、加密測量及導線測量。細部點位測量及界址點測量亦可應用。3.半動態測量：適合於空曠地區、點位密集之小規模測量。4.虛擬動態快速測量：適用對象與快速靜態測量類似。5.純動態測量：適用於移動物體之軌跡定位，道路中心線測量及水道測量等。
Google AI 產品經理 Daniel Tse 說明，目前 Google AI 演算模型已在醫學期刊與醫學模型等發表研工業內視鏡究結果，未來可望將相關技術帶到實際應用中。
目前 Google 也積極與監理單位進行合作以取得核准，像是美國食藥署( FDA ) 以及歐盟等相關單位，而臨床驗證的部份則攜手硬體廠商 Nikon 等合作。可預見的是，未來人工智慧演算法雖然無法取代醫生，但可望成為推行醫療行業向前邁進的重要工具。
到底全站儀怎麼用，其實很簡單，如果你知道兩個點，透過全站儀的後視功能，可以建立一個座標系，這個座標系一般是透過設計提供的，當全站儀建立起這個座標系之後，再把你需要測量的點位，透過資料的形式告訴給全站儀，全站儀計算測站點和目標點之間的方位距離關係，透過距離和角度兩個引數表現出來。再引導司鏡員把它的實際位置在現場指定出來，這個過程就是所謂的座標放樣。當然還有一種叫取樣，我們稱之為座標測量，就是如果說想你知道一個點位的三維座標資料。那麼就可以，在全站儀後視完成後對該點位進行資料採集。這就是全站儀的，兩種最基本的功能座標放樣和資料測量。實際操作中究竟該怎麼操作？這個問題說起來比較麻煩，如果身邊有會測量的朋友，帶你兩天，親自示範幾下你就明白了，其他的儀器大同小異，一通百通。
留言列表
