华为智能眼镜2，华为智能眼镜卖多少钱？都有什么功能？好不好？( 五 )

更重要的是，我们通过使用Attention技术打开了“黑匣子” ，以查看算法如何进行预测。这些技术使我们生成一个热图，显示哪些像素对于预测特定的心血管风险因子最为重要。例如，如上图所示，该算法更注重血管情况来预测血压。解释算法如何进行预测，可以让医生对算法本身更有信心。此外，这项技术有助于为将来对心血管风险和视网膜进行科学研究生成假设。
在最广泛的层面上，我们对这项工作感到兴奋，因为它可能代表了科学发现的新方法。传统上，医学发现通常是通过一种复杂的猜测和测试形式：通过观察得出假设，然后设计和运行实验来测试假设。然而，对于医学图像，由于实际图像中存在的各种特征、图案、颜色、值和形状，观察和量化关联是困难的。我们使用深度来获得人体解剖学和疾病变化之间的联系，类似于医生学会将体征和症状与诊断新疾病联系起来。这可以帮助科学家生成更有针对性的假设，并推动未来的广泛研究。
有了这些结果，还有很多科学工作需要去做。我们的数据集有许多标注有吸烟状况、收缩压、年龄、性别和其他变量的图像，但只有几百个心血管疾病的例子。我们期待在更大和更全面的数据集上开发和测试算法。为了确保这对患者有用，我们将试图了解干预措施的效果，如生活方式改变或在风险预测基础上的药物治疗，我们将生成新的假设和理论来测试。
谷歌使用深度学习分析视网膜图像的里程碑事件
以上的最新突破，与谷歌在使用深度学习分析视网膜图像方面的长期积累进展分不开。
16年11月，谷歌在《美国医学会杂志》发表题为 “Development and Validation of a Deep Learning Algorithm for Detection of Diabetic RetinoPathy in Retinal Fundus Photographs”的论文，谷歌研究人员提出的一种基于深度学习的算法，该算法能够在视网膜造影中对糖尿病视网膜病变的迹象做出解释，帮助医生克服资源短缺资困难，为更多的病人做出更专业的诊断。
任务：糖尿病性视网膜病变是致盲的主要成因之一，主要由眼睛后部细小血管损伤引起。这是通过观察眼睛的背面，可以看到血管。所以这是一个感知任务。他们训练了一个深度学习系统，执行与糖尿病视网膜病变评估相关的几项工作。文章标题中所提到的结果是评估“可参考”的糖尿病性视网膜病变，其正在检测中度或更差的眼睛疾病（该组患者的治疗方式与“不可参考”眼病患者的治疗方式不同）。他们还评估了识别严重视网膜病变并检测黄斑水肿的能力。
数据：他们对13万个视网膜照片进行了训练，每个级别由3到7名眼科医生进行评估，最终的标签以多数票决定。图像来自使用各种相机的4个位置（美国EyePACS和3家印度医院）的康复临床数据集。
网络模型：他们使用了Google Inception-v3深层神经网络的预训练版本，这是目前使用最好的图像分析系统之一。预训练通常意味着他们已经接受过训练的网络来检测非医疗物体（如猫和汽车的照片），然后进一步对特定医学图像进行了训练。这就是为什么网络只能接受229 x 299像素的图像。
结果：这篇论文我认为是医学深度学习的第一个大突破。他们的AI系统获得了与单个眼科医生相同水平的表现，在于眼科医生的平均水平相比时，也不落下风。