随着人工智能技术的发展，医疗成为人工智能最重要的应用场景，算法、算力、大数据为人工智能与医疗产业的融合奠定了基础，慧维智能深耕医学与计算机科学，从算法到算力不断优化产品性能，只为提高检出率，杜绝误报、漏报，更好的服务医院、医生与患者。
不久前慧维智能完成AI升级产品最后一块拼图——精标注小样本学习数据集以及小样本深度学习技术，真正让AI产品内镜“帧”探见微知著，实现让AI拥有类似人类学习的灵活性与效率的同时降低AI医疗器械成本。
小样本学习——国内外技术前沿
2021年9月华盛顿乔治城大学安全和新兴技术中心（Center for Security and Emerging Technology，简称CSET）发布了研究报告《Small Data’s Big AI Potential》，CSET认为小数据人工智能具有无限潜力。在此之前，国内外AI巨头也曾发表过基于小数据样本深度学习的相关论文与专利，证明小数据集在AI训练中具备正面价值。
小样本学习能够解决的问题：
1、小样本训练已验证多数场景下能达到较好效果；
2、很多场景不具备数据采集的条件，或者说采集数据成本太高；一些场景数据本身量不够大，很难做到大样本，例如消化道早癌就是急需小样本数据集攻克的问题；
3、数据是否有效，无效的数据会形成噪声干扰，处理起来也更加费时；
4、小样本学习降低了用户购买门槛，因为小样本学习降低了算力的需求，设备更低成本，有助于落地到基层。
以上问题就是小样本学习（FSL）风靡国内外大厂与创业公司的根本原因。
小样本学习——见微知著
小样本学习（Few－shot Learning）旨在像人一样只用几个样本学习新的任务，并被看作是让机器智能接近人类智能的关键技术方向。
△小样本学习旨在让机器像人一样用几个样本进行学习
其技术原理就例如父母教新生婴儿识字、分辨动物， 只需要简单地在家里贴上一两幅相应的字画即可， 小朋友很快就会认识上面的内容，并且举一反三，例如小狗，经过简单学习，小朋友无论见到哈士奇还是泰迪都会认识为小狗，这就是小样本学习技术的最终目标。慧维智能以基于小样本学习技术开发的AI模型，就是在保留现有深度学习方法带来的强大的准确性、鲁棒性等指标，同时使其可以快速从少量样本中学习到有用的知识， 只需通过极少的样本就能辨别新的事物，见微知著，通过较少需要的数据量，实现特定目标图像的识别，最终带来AI医疗器械的“高水准、低成本、好体验”。
现在的机器学习方法， 尤其是基于大数据的深度神经网络的机器学习方法已经在人脸识别、自动驾驶、机器人、医学影像等图像识别相关领域取得了巨大的成就， 然而人们发现把其应用到实际问题中却问题不断，例如算法过于灵敏或者不够灵敏，往往是以下问题导致：
1．首先是有效数据量的问题， 目前的深度学习方法需要大量的标注数据来进行训练，现实中是没有足够的已标注的数据的，获得大量已标注的数据又非常困难；一方面，数据的来源是受限制的，很多数据的采集需要专业的设备，比如设备非常昂贵；出于对自身隐私的保护，患者也不愿意共享自己的医疗数据信息。
2．另一方面，在数据的标注上也是一个难题，医疗影像标注需要顶尖的医疗专家参与，但因为相关人才缺乏，加之临床、科研任务重，很多医疗专家没有时间做数据标注。
3．其次是算力问题， 深度学习方法在提高算法性能的同时， 往往伴随着庞大的运算， 这也就使得深度学习的方法很难部署在计算资源受限的设备或者场景中， 因此在一些算力受限的应用场景， 比如基层医疗机构，小样本学习下的产品能够降低成本，更好赋能基层。
慧维智能与国内外诸多顶尖医院有业务合作，其中数据采集与数据标注是合作的重中之重，但考虑到AI辅助医学影像的成本，尤其是赋能到基层医疗机构，降成本是慧维智能AI开发的首要任务，所以开发类似人类学习的的小样本学习这样相对轻量的， 即并不需要算法学习大量的数据来进行学习， 降低计算时间、控制延时，实现好体验的实时动态医学影像AI辅助诊断。
海量测试集验证产品优异性能
针对小样本学习，慧维智能技术团队首创了多种基于动态医学影像的解决方案，仅仅使用国内外多方来源的数千精标注训练样本，以及自2019年起收集的多地域、多（多品牌、多种型号）设备、各级医院和医疗机构采集的数万原始数据作为测试集，并在慧维智能合作医院进行大型前瞻性随机对照试验中体现了优异性能。
慧维智能期待着科技改变世界、技术让世界变得更美好，竭诚提供更加精准、高效的医疗器械产品与服务，更好的帮助医生与患者，让医生的工作更有乐趣和成就感的同时，为医院带来更好收益。
关于慧维智能
慧维智能医疗科技有限公司成立于2019年6月，专业从事智能医疗产品的研发、生产与销售。我们的核心成员，均来自全球顶尖的科研机构和世界五百强企业。慧维智能以在“人工智能”和“边缘计算”领域的自主核心技术为驱动力，致力于为全球医疗机构提供“高水准、低成本、好体验”的医疗产品与服务，最大程度地帮助医生提高诊疗水平与效率。
