Publicerat

AntiStress 2.0: Främja hälsa med digital vård genom machine learning vid stressrelaterad ohälsa

AntiStress 2.0 - nu med EEG-sensor

Tina Arvidsdotters AntiStress-projekt fortsätter! Förra året fick hon lite pengar av VGR:s innovationsfond att undersöka potentialen att använda sensorer som mäter hjärnvågor och dra nytta av AI-tekniken machine learning. Nu fick Tina en större pott pengar, denna gång för att genomföra denna innovation. Fortsätt läsa ”AntiStress 2.0: Främja hälsa med digital vård genom machine learning vid stressrelaterad ohälsa”

Publicerat

AI-rapporten finns nu i tryckt version

AI-rapporten finns nu i tryck

Nu har vi till sist fått ihop alla upplagor av projektrapporten ”AI och machine learning för beslutstöd inom hälso- och sjukvård”. Den tryckta versionen kan du komma över antingen genom att prata med Lars.Lindskold(a)vgregion.se, möta upp honom i Almedalen eller om du har tillträde till VGR:s kontor i Lillhagsparken finns det en kartong i Lars hörn där Vårdens digitalisering sitter.

Dessvärre försvann källhänvisningarna i den tryckta versionen. Vi hoppas att det inte stör läsupplevelsen för de flesta, men du kan hitta alla källhänvisningar och klickbara länkar här på utvecklingsbloggen ›

Andra versioner av AI-rapporten

Vad du får göra med rapporten?

Du får göra vad du vill med rapporten! Den är allmän handling så vill du kopiera den eller innehållet är det bara att sätta igång. Vill du skicka en kopia till någon är det fritt fram, du kan lägga en kopia på intranätet, citera hur långa sjok du vill – du gör vad du vill, du har redan betalat den via skattesedeln 🙂
Det enda undantaget är att du inte kan plocka bilderna ur sammanhanget eftersom du då måste leva efter respektive källas önskemål om upphovsrätt.

Publicerat

AI-projektet: Idéworkshop om möjligheter, svårigheter och lösningar

Idéworkshop med lappövning

AI-projektet rullar på bra. Idag var det dags för en idéworkshop med kollegor från vården, VGR IT, utvecklare, projektledare och andra som jobbar med strategisk planering.

Syftet med träffen var att i gruppdialog komma fram till möjligheter, svårigheter, samt tänkbara lösningar på de svårigheter vi identifierat. Denna bloggpost sammanfattar den träffen. Fortsätt läsa ”AI-projektet: Idéworkshop om möjligheter, svårigheter och lösningar”

Publicerat

Deep learning för att se ett ansikte och klassificera tecken på stroke

Robotar som håller hand

Ett användningsområde för machine learning är att kunna ge binära svar på diagnosfrågor vi vill ställa. Exempelvis, har denna bild på ett ansikte tecken på stroke, eller inte. Ja eller nej? Är den här bilden på en frisk cell eller en cancercell?

För detta skulle vi behöva en snäv AI, närmare bestämt ett upptränat neuralt nätverk, per diagnosfråga. Denna bloggpost går igenom i grova drag vad det innebär, hur det tekniska flödet ser ut, med mera. Fortsätt läsa ”Deep learning för att se ett ansikte och klassificera tecken på stroke”

Publicerat

GAN tränar en maskins förståelse genom att duellera sig själv

Tre timmars träning av ett GAN Generative Adversarial Network)

GAN (Generative Adversarial Network) är en teknik för att få en maskin att instruera sig själv. Att vi utvecklare inte uttryckligen berättar för den hur den lär sig och vad som utmärker kunskapen. Eftersom maskinen själv har en lite större del av ansvaret att lära sig klassificeras GAN som unsupervised machine learning, till skillnad från supervised machine learning. Fortsätt läsa ”GAN tränar en maskins förståelse genom att duellera sig själv”