Airdoc亮相中国科技论坛，普及医疗AI
人工智能技术应用于医疗健康一直被认为是人工智能发展的重要方向和应用领域。由中国科学技术协会主办的“第66期中国科技论坛——人工智能与医疗健康技术前沿论坛”于11月24日在北京召开。
医学影像智能判读、辅助诊断、病例检索、手术机器人、康复智能设备、智能制药的相关技术发展成为了本次论坛的主要探讨方向，影像识别领域领军企业Airdoc首席运营官李思成应邀出席本次论坛，并就人工智能在医学影像中的应用和现场众多嘉宾展开讨论。
深度学习发展
深度学习是机器学习研究中的一个新的领域，其动机在于建立、模拟人脑进行分析学习的神经网络，它模仿人脑的机制来解释数据，例如图像，声音和文本，深度学习的发展是从神经网络说起。
1943年，心理学家Warren Mcculloch和数理逻辑学家Walter Pitts在合作的论文中提出并给出了人工神经网络的概念及人工神神经元的数学模型，该模型将神经元简化为了三个过程：输入信号线性加权，求和，非线性激活(阈值法)，从而开创了人类神经网络研究的时代。
第一次打破非线性诅咒的当属现代深度学习代表人物Hinton，其在1986年发明了适用于多层感知器(MLP)的BP算法，并采用Sigmoid进行非线性映射，有效解决了非线性分类和学习的问题，引起了神经网络的第二次热潮。
2006年，深度学习元年，是年，Hinton提出了深层网络训练中梯度消失问题的解决方案，但是由于没有特别有效的实验验证，并没有引起重视。
2012年，ImageNet图像识别比赛，通过构建的CNN网络AlexNet以碾压性的优势一举夺得冠军，深度学习开始进入爆发期，在之后几年的深度学习网络结构，训练方法，GPU硬件的不断进步，于此同时深度学习开始被应用到各个领域。
Airdoc的影像识别算法
医疗是一个涉及很多环节的行业，每个环节都面临着不同的困境，比如药物研发，不仅需要海量的金钱外，时间同样是一个巨大的困扰，一个新药从发现到最终上市平均需要12-15年。
人工智能的可以让这些环节更加高效，如今医学影像智能判读、生物技术、药物研发、术后管理、营养学等环节都出现了人工智能的身影。又因为深度学习在影像识别领域已经相对成熟，医学影像成为了国内外研究机构和公司重点攻克的方向。
在科研时代，深度学习在医学影像识别领域发挥了其重要的作用。Nature、JAMA、Science等权威医学杂志上经常会出现人工智能解决医疗问题的论文。比如登上Nature封面的“人工智能识别皮肤癌”论文、比如Science上报道计算机在预测心脏病发作方面击败了人类医生等。
Airdoc是近年多个高分人工智能辅助医学论文背后的算法支持方，作为一家国内领先的商业化医疗人工智能企业，Airdoc认识到科研和商用之间有着本质的差距，积极发现市场需求，并且根据市场需求研发众多的慢性病识别算法。
视网膜是不但是人类心灵的窗口，更是人体唯一可以直接观察到血管和神经元的窗口，不仅可以看出常见的眼部疾病，众多全身性慢性病的诊断和预后判断起到重要的作用。
如今Airdoc在糖尿病、高血压、脑卒中、冠心病、肾病、脑小血管病等领域取得巨大的进展，并且逐渐开始临床应用，并且建立了淮北矿工总医院、上海市北医院、河北省人民医院等众多人工智能应用示范基地。
申请创业报道，分享创业好点子。点击此处，共同探讨创业新机遇！
