深度学习帮助我们用更少的钱做更多的事！
在本文中，我们将从医疗保健到天气预报的三个行业中深入了解三个实际的深度学习实现。
深度学习现在正在享受着一种势头。许多公司都已经意识到它的潜力，并且最近发布了一系列新的案例研究，深度学习可能是下一个重要的事情。
不过，究竟什么是深度学习呢？机器学习是AI（人工智能）的一个子集，而深度学习是机器学习的一个子集。它赋予后者一种全新的复杂性和深刻性，因此是“深层”的隐喻。深度学习算法重新实现了人类大脑中神经网络的运作，这使得人们可以教导DL模型进行复杂的计算。
在本文中，我们将探讨医疗保健和天气预报行业的三种现实生活中的深度学习。
1.及时诊断冠状动脉阻塞
HeartFlow（美国个性化的医疗技术公司）使用蛇毒学习来识别病理性心脏病。冠心病是地球上人类过早死亡的头号原因。但只要它能及时准确地诊断出来，它并不像想象的那么致命。
HeartFlow开发的一种新型非侵入性诊断技术即将彻底改变这一统计数据。它分析患者的标准CT扫描并创建个性化的心脏3D图。然后医生可以检查颜色编码的图表，并且如果有的话，可以轻易地发现冠状动脉阻塞。
新技术基于一种深度学习模型，该模型训练算法以区分正常和病理性心脏状况。由于HeartFlow，60％的患者现在可以避免使用血管造影（传统的侵入性方法）。这不仅意味着更快、更准确的诊断，还可以为医院和诊所节省高达25％的运营成本。
2.用深度学习算法追踪风暴和龙卷风
NCAR将深度学习用于恶劣天气条件的早期预测，如冰雹和龙卷风
NCAR代表国家大气研究中心。在过去的几年中，该组织已经成功应用深度学习模式来建立预测恶劣天气的新一代机制。
这个想法是使用更少的资源预测冰雹或龙卷风等事件，并提前做更多事情。研究人员表示，深度学习模式可以吸收与超级单体雷暴有关的空间模式，超级单体雷暴是冰雹的主要生产者。这些迹象可能是空气在低层向内流动，然后向上等等。如果在观察到这些模式之后发生冰雹并且它有多大，那么模型会被进一步告知。最终，模型学会了自己做出未来的预测。
3.使用AI改善医学成像
微妙的医疗通过先进的计算改善医疗成像
曾听说过微妙的医疗吗？这是一个热门的新创业公司，最近在Invidia公司获得了大约25万美元的初始金。
Subtle Medical是由一群影像科学家、放射科医师和AI专家组成，负责“改善医学影像以便更好地进行采集、重建、处理和分析”，并通过深度学习实现这一目标。
MRI（磁共振成像）扫描有一定的时间延迟和图像质量问题。微妙的医疗正在努力通过深度学习来解决这些问题。
例如，他们的研究表明，您可以只给患者一小部分通常的GBCA剂量，仅约10％就获得高质量的MRI脑部扫描。由于深度算法可以重现缺失、不明显的部分，因此高品质得以保留。GBCA代表“基于钆的造影剂”，它是一种在脑部扫描期间使用的化学物质，用来增加图像对比度。不用说，减少剂量不仅会使患者受益，而且还有助于降低诊断成本。