在不久的将来，机器可能会帮助您提高健康。

致力于使用一种人工智能来协助医生在疾病的诊断和预后，在诊断和预后，在疾病的诊断和预后，在诊断和预后，展会，今天在Ventbeat的健康沐浴露的会议上宣布了200万美元的种子。

旨在处理大量的CT扫描，X射线和其他类型的图像，然后在新图像中解除潜在模式。它将使用称为深度学习的时尚计算技术，这需要培训系统，这些技术在源自音频，图像和其他输入的许多信息上培养了称为人工神经网络的培训系统，然后用新信息呈现系统并接收关于它的推断。

谷歌对各种目的进行深入学习。netflix是它的。甚至Facebook都这样做。但是，当涉及应用深度学习时 - 一种人工智能 - 在第一个公司之一，如果不是第一个公司，那么这样做。

在过去的几个月里，康泰格的团队与病理学家，放射科医师，医生和医院管理员一起讲话，以其在各种情况下有用的应用。霍华德说，他们在巴西，中国，印度和美国和美国的伙伴关系融洽了与巴西的医院，也是与硬件制造商和遥理诊所的联盟。ENZITM已经遇到了可以作为起点的放射学图像巨大的档案。

“没有人知道与这些档案有关，”杰里米·霍华德，康尼亚的创始人和行政长官。“他们只是坐在那里，耗费钱。这只是一个很大的机会。这就像，'哦，这就是我们为这个拯救的东西！“”

一些基茨的合作伙伴有数百万个病例，这些病例中的每一个都代表患者有几项研究，每个研究每个都含有分数的图像。“这些档案中的一些潜在的宠物大小，”霍华德说。图像成为培训饲料的基茨系统，但他们也有诊断和预后为医生考虑，霍华德说。

以上：杰里米霍华德，康尼亚的创始人和行政长官。

图像

除了研究医学成像世界之外，基茨的团队还一直在繁忙的建筑技术，以销售本地数据中心的软件。

例如，启动已经考虑使用基于流行随机林算法的算法配对其卷积神经网络，以使其系统能够处理复杂的医学图像。“深入学习一般还不够，”霍华德说。

另一个优先级：构建一个“成像分析工具箱”，可以在一到两天内开发图像算法原型。“目前在医学成像中，在三到五年内创建一个新的算法，”霍华德说。

然后，在这方面存在整个众所周知：呼吁知识渊博的人类来识别传统上在身体部位中发现的元素。该过程可以帮助机器任务进行深入学习。

“有各种各样的地方，域信息可以真正有帮助，”霍华德说。

一些挑战妨碍了初创公司的成功。对于一件事，至少在美国，法规中禁止医生制作含有血液和其他物质的幻灯片的医学图像。但是，很少有办公室首先保持幻灯片扫描仪。

这就是为什么医学成像的深度学习可以在发展中国家的速度更快地脱离，而不是在美国，即使应用程序的声音引人注目。

霍华德想象一种插入智能手机的一种数字显微镜或便携式超声设备，然后可以基于电子健康记录和其他数据来源接收诊断和预后信息。

“这将是我猜到的那种东西的一个例子，在你在旧金山医生的诊所看到它之前，你可能会在一个偏远的印度村庄看到。”霍华德说。“它是即时的好处，它是互动的，它更快，它更便宜，而且它没有取代医生。它实际上是给他们一个他们之前没有的工具。“

放大LED这圈在旧金山的基础上。数据集体也参加了。在8月推出的初创公司雇用了五个人。