“核心技术是公司发展的基石，而技术创新的原点来自基础研究。” 医准智能联合创始人兼CTO丁佳在VALSE 2019活动上表示，“图像处理和机器学习是医疗影像AI的重要基础，我们一直在关注这个领域的发展。”
VALSE（视觉与学习青年学者研讨会）发起于2011年，是Vision And Learning SEminar的简写，取“华尔兹舞”之意。旨在为计算机视觉、图像处理、模式识别与机器学习研究领域的华人青年学者提供一个自由、平等的深度学术交流舞台。
VALSE 2019于4月11日~4月14日在大湖名城合肥举行，来自海内外高校和企业的80余位讲者进行各类报告，约190篇一年来发表在视觉与学习顶级会议和期刊上的论文（含CVPR2019）进行Poster展示。
算法团队战功彪炳
“我们拥有一支国内领先水平的算法团队。”丁佳表示，其中，CTO丁佳和首席算法工程师张佳琦都毕业于北大智能科学系，机器学习研究专家储备超过20名，包括博士后、博士、硕士；此外，来自阿里巴巴、京东、滴滴研究院等大厂的深度学习研发工程师提供了非常珍贵的落地经验。
正是在这个团队手里，诞生了国内首个乳腺钼靶智能检测系统， “研发过程中，关于不同拍摄位病灶的配准，腺体类型的判断等问题，是尚未有任何公开研究结果的问题。” 张佳琦表示，“我们的团队在很短的时间内都予以一一突破，取得了很好的结果。”经历了3个大版本、8个小版本、68项技术细节打磨，目前在1个假阳性的前提下，病灶检出率达到93%，同时良恶性判断准确率高达94%。
成绩的取得不是偶然，在机器学习应用于医疗影像辅助诊断的探索中，丁佳是国内这个领域最早的探路者之一，从2014年开始一直在研究。他带队参与获得了2017年国际肺结节检测大赛LUNA16的冠军，是亚太地区首个冠军队伍，也是榜首时间最长团队；并参与获得了2017年谷歌Kaggle人工智能肺癌预测大赛第四名的成绩，以及阿里天池肺结节检测大赛总决赛冠军。
由算法创新推动的应用发展
相对于算法成绩的硕果累累来说，实际应用的成绩单更让人关心。相对于跑数据集，投入实际场景，切实改善医生体验的价值更大。目前，医准智能已经拥有300余家用户，且受到了用户的高度认可。比如：
在某科研项目中，研究基于AI的肺结节大小测量与人工测量大小的对比，以及临床意义的研究。在模型中我们采用了改进的3D Unet网络结构，并且采用残差网络作为基本单元，显著提高了肺结节测量的准确度。该科研项目受邀参加了今年的欧放发言。
在某三甲医院中，进行肺结节良恶性鉴别研究。总共收集了几百例带有病理结果的病例，设计了3D特征金字塔网络进行肺结节良恶性鉴别，最终取得了召回率和精度都高于90%的结果。该科研成果在今年的欧放上进行了发言。
在某三甲医院中，进行了基于磁共振的结直肠癌肿瘤分割与浸润范围研究。在改模型过程中，设计了网络结构不仅可以对病灶进行分割，还能同时对病灶周围的组织器官进行分割，进而判断浸润深度。
在某科研项目中，针对结核和肺炎病例中伴随的结节通常未标注的问题，将机器学习中的多示例学习思想引入肺炎、肺结核的检测模型中，使得AI在检测出肺炎、肺结核的同时，也将肺结节检测出来。
“这些成绩的取得，是团队同努力的成果。”丁佳说，“公司不仅牛人很多，而且内部还建立了医准学院，定期给团队讲课，我们就是要建立一套机制，帮助大家一直在快速成长的道路上。”
作为一个算法人，最开心的时候，是在看到新模型的数据表现良好的时候。丁佳说，“但更开心的时候，是看到做出来的东西实实在在的帮助了一个生命，当前线发回消息，我们的系统帮助医生筛出了早期肺癌，因为我们的努力，帮助病人提前发现问题着手治疗预后良好的时候。我想，这就是我们的初心，能够帮助医生实现更轻松的工作，帮助更多的患者拥有健康的人生。”
就可以分享啦