2019世界人工智能大会 | 体素科技携全病种AI成果亮相,研究方向朝C端延伸

作者:动脉网 2019-08-30 15:23

{{detail.short_name}} {{detail.main_page}}

{{detail.description}} {{detail.round_name}} {{detail.state_name}}

{{detail.province}}-{{detail.city}}
{{detail.setup_time}}
融资金额:{{detail.latest_event_amount}}{{detail.latest_amount_unit}}
投资方: · {{item.latest_event_tzf_name}}
企业数据由提供支持
查看

 智联世界,无限可能,2019世界人工智能大会于8月29-31日在上海世博中心、上海世博展览隆重馆拉开帷幕。本届人工智能大会上,体素科技以“科技何以智爱”为主题,携带其三款全病种AI产品亮相世博展览馆。分别为,了然于胸(胸部产品3D概念展)、眼见为实(现场眼底全病种筛查体验)、肤寸之地(皮肤全病种体验)。

 

早在2017年,体素科技就率先提出了全病种体系,在两年多时间里,体素科技已研发完成了三项全病种产品线,包括胸部CT、眼底筛查、皮肤病自检,从而进一步完成了场景落地实现。

 

针对于目前行业内比较多见的单病种阅片,例如肺结节识别,眼底糖网病筛查等,体素科技认为单病种的AI工具无法在临床上真正给到医生实质性帮助,医生在日常阅片的时候会把病人所有的病症阅出,所以只有做到全病种阅片才能全面的帮助医生,并扩大其应用范围,能真正作为医疗资源的角色辅助到医生临床工作中。

 

体素科技胸部CT全病种产品针对体检人群,直接从图像阅片到出具自然语言的报告。由于胸腔里会出现上百种病症,如果一个病症做一个AI模型这是很难实现的,一方面工作量太大,一方面没有数据支撑,体素科技利用计算机视觉特征把医院里出现的病征排列分类了一下,能够把一些病集中起来用一个模型表现,这样的方法可以节省很多时间。分类的方法例如有,局部病灶、密度型病灶、纹理特征型病灶等,这样的一个研究已经获得了中美众多医疗机构的认可。未来体素的胸部CT产品部署在大型体检机构里,系统每天可以在3.5小时之内反馈数万份CT报告。

 

眼底筛查方面,体素科技的眼底全病种筛查产品已经从单病种(糖网筛查)突破成全病种阅片。目前体素科技的眼底产品能检出几十种病灶,除了糖尿病视网膜病变、糖尿病黄斑水肿、青光眼、白内障、老年黄斑变性等病灶特征,还包括微血管瘤,视网膜内出血,硬性渗出,棉絮斑,视网膜外出血,新生血管,激光斑,玻璃膜疣,玻璃体混浊等病灶病变。


值得一提的是体素科技与中国国家标准化代谢病管理中心MMC的合作,体素科技作为首家接入MMC代谢中心的AI技术提供方,上线1年就为170多家MMC筛查超过40000人次的糖尿病患者,帮助MMC更好地管理糖尿病患者的眼底并发症。预计2019-2020年,MMC代谢中心将达到30万人次的筛查量,基于人工智能技术的眼底照相分析会使更多患者获益。

 

不同于其他同类公司,体素科技更把研究的方向转向C端。体素肤知汇是体素科技的皮肤AI测评小程序,病患只需要在手机端上传自己的病症照片,一秒内就可获取阅片结果及报告,目前肤知汇已覆盖近200种常见的皮肤问题。


针对C端皮肤AI的研发,体素科技CEO丁晓伟博士表示,由于因其图像获取的不标准性(用户手机型号、光照状况、拍照角度和拍照质量不一等),难度远超自然图像上的计算机视觉问题。体素科技的皮肤研发团队针对这种不标准性,从模型训练方法和神经网络架构两个角度,对皮肤图像上的深度神经网络进行了深入的思考。肤知汇小程序作为体素科技的皮肤旗舰产品,坚持体素的立足专业医疗服务普罗大众的方向,把皮肤健康管理智能化、轻量化。


微信图片_20190830152039.jpg


在30日举办的“2019全球人工智能健康峰会”的论坛上,英国皇家科学院院士、体素科技首席科学家,计算机视觉领域的泰斗级人物Demetri Terzopoulos教授发表了主题为《人工智能在医学影像和医疗健康中的应用》的演讲。

 

作为医疗卫生专场的开场嘉宾,Demetri Terzopoulos教授系统地回顾了计算机视觉的历史:从最初模式识别的方法,到后来基于模型的方法,现在则是过渡到了深度学习阶段。

 

从1978年开始,Demetri Terzopoulos教授就尝试使用对医学图像进行分析。上世纪80年代开始,Demetri Terzopoulos开始了基于可形变模型的医学影像研究。

 

1987年,Demetri Terzopoulos与Kass等合作提出了著名的Snake模型,合作发表的论文也在IJCV 第一期Marr奖特刊中获奖,是计算机科学中乃至整个工程学界被引用次数最多的论文之一。模型提出后,各种基于主动轮廓线的图像分割、理解和识别方法蓬勃发展。

 

在演讲中,教授列举了多个使用主动轮廓模型进行图像分割与重建的案例。Demetri Terzopoulos教授认为,计算机科学、人工智能和信息技术有巨大的潜力,可以赋能医学事业,这对未来的创新是最大的源泉。但是,他也提醒,“我们有前沿的数据驱动的机器学习技术和强大的模型为基础的方法,但是不能盲目的认为,深度学习的单兵作战就可以解决所有问题。”

 

Demetri Terzopoulos教授提出的这一观点,也映照了近年来深度学习渐渐呈现出的一些弊端,例如“需要大量数据进行训练”、“可解释性差”等。在采访中,Demetri教授也坦言,深度学习已经有五六年的历史了,在很短的时间内影响了很多不同的领域。而现在深度学习面临诸多挑战,也是很正常的现象,任何技术的发展都不会直线上升的状态,总会遇到低潮。

 

“病灶分割问题,就是一个非常困难的问题。标记昂贵一致性差的任务上,我们在深度网络上并没有获得非常出色的性能。另一个大问题是配准问题。你有多个数据集、多个图像模式,必须把它们配准在一起。例如,当你在做心脏分析的时候,追踪是很重要的,因为身体里的血管结构在泵血,就像人在运动一样。因此,图像的配准和分割等步骤一样,实现起来难度也很大。”

 

因此,他透露,自己最近的兴趣是把机器学习方法和此前基于模型的技术结合起来,这样做是为了产生更强大的医学图像分析算法。

 

“基于模型的方法能更好地解释分割过程中的情况。事实上,你可以和一个方法进行交互。基于模型的技术有很多优点,例如其中的一些并不需要大量的训练数据。所以把这两种技术结合起来,我认为是未来的发展方向。”

 

目前,Demetri Terzopoulos教授担任VoxelCloud体素科技联合创始人兼首席科学家。他表示,体素科技是一家非常年轻的公司,目前体素科技以胸部CT、眼底彩照、冠脉CTA、皮肤四项全病种解决方案作为整体的发力方向。Demetri教授表示,“到目前为止,我们是发展全病种体系的系统技术,我觉得这是我们最大的成就之一。” 目前已有超过200家机构与体素科技合作眼科和皮肤全病种产品,眼科包括洛杉矶郡公立医疗系统、Eyepacs、中国国家标准化代谢病管理中心MMC、协和医院、同仁医院、广东中山眼科中心等200余家中心、皮肤人工智能与中美知名机构比如哈佛医学院进行合作。

 

Demetri Terzopoulos教授表示计算机科学、人工智能和信息技术有巨大的潜力,可以赋能医学事业,这对未来的创新是最大的源泉。

 

“我们有前沿的数据驱动的机器学习技术和强大的模型为基础的方法,包括主动式的轮廓模型的结合,但是不能盲目的认为深度学习单兵作战就可以解决所有问题。”他这样表示,“所以我们需要和其他技术结合起来,也就是和传统的医学界共同协作,才能充分用好我们的深度学习、人工智能,来促进医学事业的发展。”医学人工智能的时间与发展,需要做大量研究,才能更好地实现它的未来,解决医学事业实实在在的问题。

如果您想对接动脉网所报道的企业,请填写表单,我们的工作人员将尽快为您服务。


注:文中如果涉及企业数据,均由受访者向分析师提供并确认。如果您有资源对接,联系报道项目,可以点击链接填写基本信息,我们将尽快与您联系。

声明:动脉网所刊载内容之知识产权为动脉网及相关权利人专属所有或持有。转载请联系tg@vcbeat.net。

分享

微信扫描二维码分享文章

企业
对接
商务
合作
用户
反馈