做装修的有那些网站比较好,wordpress左右滑动切换,一支部一品牌一特色方案,wordpress怎么加栏目眼底项目经验 可解释性不足问题眼底项目有多牛逼可解释性不足解法数据、算力、算法都免费送不仅预测当下#xff0c;还能预测未来和慢病管理整合#xff0c;形成一个实时健康检测生态 可解释性不足问题
今天下午和腾讯眼底项目人员讨论, 他们不准备做全身性的多疾种, 因为深… 眼底项目经验 可解释性不足问题眼底项目有多牛逼可解释性不足解法数据、算力、算法都免费送不仅预测当下还能预测未来和慢病管理整合形成一个实时健康检测生态 可解释性不足问题
今天下午和腾讯眼底项目人员讨论, 他们不准备做全身性的多疾种, 因为深度学习模型可解释性不足, 就导致决策责任问题。
我放心了, 也好 少一个不差算力、数据、算法、市场的对手。
腾讯眼底项目负责人说虽然不会做这方面商业化但可以合作科研。
另一方面我觉得竞争非常好现在百度、阿里、腾讯、鹰瞳甚至谷歌都在做视网膜AI这件事。
鹰瞳Airdoc目前领先了一大截其实挺希望大家一起来解决更好。
我们不仅是为了赢得竞争我们最终共同的敌人是疾病和衰老对抗疾病和衰老的任何力量都是我们的战友包括医院、医生、保险、药企和同行公司。
眼底项目有多牛逼
这个眼底项目不仅可以看眼睛疾病还能看全身疾病 而且天花板是1000多种疾病更有意义的是能看200多种慢病更牛逼的是不仅可以看现在有没有得病还能预测10年后、15年后得病的风险 可解释性不足解法
其实可解释性不足, 是能解决的。 使用SAM病灶组织分割模型细致分割眼底图片中的关键信息如血管、视杯盘及关键病灶如出血、渗出、棉絮斑等有效提高模型的可解释性实现从黑盒到白盒的转变。 先多任务深度学习模型后续采用多任务分类的深度学习模型提升了对眼底图像的理解和表达能力但存在可解释性问题。 后SAM病灶组织分割模型开发了SAM模型通过精细分割眼底图像中的关键标志物和病灶增强了模型的可解释性将“黑盒算法白盒化”。
数据、算力、算法都免费送
这个项目个人也能做。
数据方面100多万张眼底数据-https://debroon.blog.csdn.net/article/details/137159481、kaggle算力方面阿里云注册就送 3 个月 V1001A100 速度 是 V100 的 155%1V100 速度 是 P100 的3500%这个GPU已经很好了算法方面YOLOv8速度、性能好、Resnet101基础版本吧、ResNet2d左右眼、SAM都能直接调用
不仅预测当下还能预测未来
尽管现状检测的准确率已较高90%以上还能用积累的大量眼底图像队列数据预测患者未来眼底疾病的发展实现提前干预。 收集了眼底照片还有 ICVD心血管 十年风险预测模型需要的指标包括年龄、性别、总胆固醇、BMI、收缩压、糖尿病和吸烟史。
有了这七个指标后我们通过模型把每个受试者的ICVD十年风险给计算出来。
计算出来后我们给每个受试者的眼底照片进行标注告诉计算机人工智能这张照片它对应的十年风险是多少。然后基于这种海量的数据让机器去深度学习就构建了从眼底照片直接到ICVD十年风险的关联性。
未来我们只要拍摄眼底照片通过这个人工智能的模型就可以快速地、自动地把这个十年风险的得分计算出来。 治未病让患者提前有意识到要改变生活方式。
看一下眼睛就能收到一份由人工智能分析包含数十种病变和健康风险的检测报告。
报告详细展示了眼底异常项、健康风险跟踪、视网膜年龄以及出血、渗出面积及数量等量化分析指标等起到一“眼”看健康的效果助力诊疗和服务能力提升。
这个治未病模式也能应用到其他疾病上。 和慢病管理整合形成一个实时健康检测生态
最初算法看眼底病可以做到快和准很多合作的医生不会有什么感觉因为他也可以看。
从视网膜上识别出糖尿病时他也觉得这没什么。
但当我们说从上面还可以识别男女、年龄、是否吸烟等等他才开始感兴趣。
等做得更好一些比如现在可以直接识别血脂粘稠度、糖尿病前期等医生就觉得更有意思了就会说咱们来合作搞点啥。
因为“糖前”无法直接看出来又有潜在的市场需求。 之所以从血管、神经开始做就是因为中风和心梗带来的死亡人数比肿瘤要多很多。
我自己身边认识的不少人都是因为心梗去世的。而且没有人是突然就中风或是心梗了他可能有很长期的风险积累这期间任何一个时间窗口我们通过观察视网膜上的血管变化就有可能会看到问题。
通过视网膜可以识别糖尿病、高血压、心脑血管疾病等常见的全身性的慢性病最多可到200多种。
