为什么医学影像AI已进入「后深度学习时代」？( 五 )_“深度学习正走向两极化

“从长期来讲，数据为王的医学影像AI研究方法，在未来遇到的问题将会越来越多。当前多数学者更多停留在简单的工程问题，缺乏在基础研究上的突破性进展，企业界的技术开发也因此遭遇瓶颈。 ”

与此同时，现在的深度学习其实是一个有问题的框架，用大量标注数据做训练的方法，在过去几年很成功，但在解决医疗这类拥有诸多“非封闭”和”长尾”问题的领域，当前的深度学习主流研究，并不代表是正确的方向。

现阶段，计算机视觉系统是一个Training System ，而不是一个Learning System ，我们需要从Training System变成Learning System ，让机器主动，并结合数据的结构、时间空间结构去学习，而不是被动地用人工训练来标注它。

目前行业走的是粗放型发展路线，是靠堆积数据和计算资源来换取高性能，这是资源而不是效率的竞赛。在大家把医学影像分析聚焦于Data Set的大环境下，虽然在工业界已有一定的成果，但理论派认为，原创性技术和基础研究，更值得工科人去关注和投入。

为什么医学影像AI已进入「后深度学习时代」？( 五 )