您的位置:正版挂牌 > 挂牌玄机图 >

为什么医学影像AI已进入「后深度学习时代」?


发布时间: 2020-12-18

“深度学习正走向两极化,大部分研究深度学习的人员会偏向于工程化,包括建立更加全面、便捷、快速、可视化的深度学习平台,'暴力'地将深度学习应用到更加多的领域。小部分的深度学习研究者会偏向于理论化,解决深度学习的理论瓶颈包括可解释性等问题。”密歇根州立大学汤继良教授曾如此总结到。

医疗AI热潮,无疑离不开这波深度学习的发展,但由于深度学习的天然局限性和医疗领域的特殊性,使得医疗AI这一交叉的领域,也在进入瓶颈期。

随着深度学习即将触及天花板,医学影像分析科研人员也随之分为两大派别:理论派和工程派。

理论派的初衷,是解决深度学习“短缺”的部分,强调人工设计和数学论证,通过预先构建先验知识,在不过度依赖大数据的前提下,开发出一个可解释的、高精度、可解决诸多长尾问题的“智能模型”。不少专家认为,医疗AI中有大量Mission Critical和长尾问题,这对研究人员的整体系统设计能力要求非常高,因此人的作用就显得尤为重要,而基于黑箱统计模型的深度学习,显然存在太多的弊病。

工程派的做法,则是进一步发挥深度学习自身的优势,扬长避短,获取更多标注数据,设置更多参数,用更强大的算力,训练出一个能够学习更多维度特征的“经验模型”。其本质是建立某种学习和搜索的Meta Method,依靠摩尔定律带来的指数增长的算力,让机器自行构建复杂的知识系统。

前者强调人工设计,后者依靠机器自主构建。

后深度学习时代的医疗AI研究走向,正朝着这两个看似极端的方向发展,工者愈工,理者愈理。

前者的难度在于理论的突破,从某种程度上取决于个别人的开创性研究成果;而后者在很大程度上取决于整个行业的数据标准化、开放化和监管进度。

友情链接:
Copyright 2018-2021 正版挂牌 版权所有,未经授权,禁止转载。