人工智能看脸识病 可通过手机将照片上传获取诊断结果

其实，现在去医院看病排队都要一个小时左右，多人的时候甚至要一个下午不止，所以如果可以看脸识病你说该多好呢？不用质疑现在的科技，据悉人工智能看脸识病推出来了，是不是真的呢？

人工智能看脸识病？这是有可能的事情吗？其实，现在医疗与科技多方面结合了，所以看脸识病技术已经成熟了。据悉，现在看脸识病准确率已经达到了90%了，而且可以在手机上轻松获取诊断结果！

论文的第一作者亚龙·古罗维奇（YaronGurovich）及其同事利用17000多张面部图像训练了一种名为DeepGestalt的深度学习算法。DeepGestalt结合了计算机视觉和深度学习算法，是一种新型面部分析框架，能够分辨出数百种遗传综合征的面部表征。

DeepGestalt算法的图像处理及分析过程。上述17000张面部图像代表了超过200种的综合征，例如先天性胸腺发育不良、全前脑畸形、鲁宾斯坦-泰比综合症、胎儿酒精综合症等。

在这项研究的两组独立测试集实验中，人工智能算法被要求列出每张面部图像可能代表的综合征，并按不同综合征的概率依次排序。实验结果显示，人工智能有90%的概率能成功地在前10个答案中列出正确的疾病名称。

人工智能还在三个独立实验中战胜了临床专家。研究人员介绍，在反映实际临床问题的最后一个实验中，人工智能算法Deepgestalt在502个不同的图像上识别出正确综合征的准确率达到了91%。

论文第一作者亚龙·古罗维奇（YaronGurovich）认为，他们的工作提高了标准化描述遗传疾病特征的能力，为未来的研究和应用打开了大门，也有助于新型遗传疾病的鉴定。

2015年准确率为25%

说回到人工智能公司FDNA.2014年，FDNA推出了脸部疾病识别产品，名为Face2Gene，可以帮助识别大约50种已知的遗传综合征。到2015年，FDNA引入了深度学习算法和英伟达的CUDA通用并行计算架构。当时，FDNA计划将Face2Gene的诊断准确率从25%提升至40%。

据FDNA公司介绍，他们用了三年的时间在Face2Gene平台上收集了15万名患者的面部数据。这次研究的17000多张面部图像正是出自这个数据库。Face2Gene的使用方法是将病人的人脸照片与确诊病人的照片进行比对，再根据患病的可能性，从高到低给出一系列潜在的诊断。患者还可以通过手机APP将自己的照片上传到服务器，以获取初步的诊断结果。