日前，由IEEE國際生物醫學工程學會主辦的“第41屆國際生物醫學工程會議（EMBC2019）”在德國柏林舉行,會議議題廣泛，從人類健康到重癥護理，開展一場學術盛宴。會上，來自全球60多個國家和地區的生物醫學工程領域學術專家和產業專家分享了新近研究成果。由北京至真互聯網技術有限公司（以下簡稱“至真健康”）算法團隊提交的兩篇學術論文獲得了會議主辦方的一致肯定，獲邀出席大會并以口頭報告的形式進行了現場分享；其中一篇論文《一種可解釋性的集成深度學習模型用于糖尿病視網膜病變的分類》，重點研究了如何提升糖網篩查準確率的算法模型問題。

據2017年調查數據顯示，中國糖尿病患者人數已超過1.14億，病程超過10年有50%的患者會患上并發癥糖尿病視網膜病變，惡化之后可導致不可逆轉的失明危害。只有在早期進行糖網篩查，做到早發現、早干預、早治療，才能大幅降低失明風險。

目前，人工智能技術正逐漸應用于糖網篩查領域，可以通過人工智能眼底篩查相機高效便捷地實現設備拍片、中心系統閱片、報告輸出、專業醫師提供診療建議等一體化眼底篩查方案，有效解決了目前國內專業眼科醫生缺乏（全國共有眼科醫生3萬人）導致的服務能力不足問題。但人工智能設備要想實現更精準的篩查效果，對用于深度學習的糖網智能篩查算法模型也提出了更高的要求。

至真健康首席算法官姜泓羊表示，研究者們研究了多種基于深度學習的糖網智能篩查算法模型之后發現，有兩大難點問題亟待解決：第一，算法模型的泛化能力難以保證；第二，算法模型的可解釋性比較薄弱。本次，至真健康算這篇論文的主要研究目的就是希望針對這兩大難點提出一種更好的解決方案。

至真健康CTO張冬冬指出，泛化能力是指算法模型對新鮮樣本的適應能力，即在不同數據集上所表現的性能差異，差異越小泛化能力越小，反之則越大。簡單地說，研究者希望在人工智能設備針對所提供的海量數據樣本進行多次反復的深度學習訓練之后，就需要具備較強的泛化能力，即能掌握好數據樣本背后的規律，對以后提供的不同樣本要實現準確而有一定差異化的結果輸出。

對此，至真健康算法團隊提出了一種多模型融合的糖網分類系統。傳統的糖網分類方法大多采用單一深度學習模型，即設計一個網絡模型，經過一次模型訓練而得到，這很容易由于訓練時間難以把控而導致的欠擬合或過擬合情況。而采用多模型融合方式則可為人工智能設備提供多種模型方案進行集成學習，綜合多個深度學習模型的性能，融會貫通，進而提高了糖網分類的準確率。這不僅增強了集成模型的泛化能力，提高了糖網智能篩查的性能，也減少了深度學習的訓練周期。

對于算法模型的可解釋性問題，張冬冬表示，可解釋性是指算法模型對某一新樣本的分析過程和分析結果做出合理解釋，比如對所拍攝圖片的哪些像素做出了判斷、哪些明顯標志做出解讀等。為了提升可解釋性，本論文采用加權CAM（Class Activation Mapping）技術對分類結果進行可視化顯示。CAM技術能夠將神經網絡到底在關注什么可視化的表現出來，并以熱力圖的形式呈現出，模型通過哪些像素點得知圖片屬于某個類別，從而實現了對分類圖像的解釋。

大會現場，至真健康算法團隊分享的這篇論文受到了與會專家的一致好評。有專家表示：“該方法應用了一種深度學習體系結構的集成方法，這是一項創新性的研究。尤其是使用了加權的CAM技術，使結果呈現更加直觀。”

至真健康是以人工智能為核心的科技型健康管理公司，研發人工智能技術產品應用于眼底智能篩查是至真健康的專注方向。2018年11月，至真健康研發的“至真智能篩查眼底相機”問世。“至真智能篩查眼底相機”不僅人工智能系統強大，而且小巧便捷、易于攜帶，可方便應用于眼科、內分泌科、體檢科等科室的快速眼底篩查，并且便于上山下鄉走進基層。

在實際應用中，“至真智能篩查眼底相機”不用進行任何參數調整便可自動完成眼底影像采集，1分鐘便由AI完成“閱片”，并出具診斷建議，“操作就像使用傻瓜相機一樣”，即便非專業眼科醫生在接受系統培訓之后，也能輕松掌握眼底拍攝技能。目前，“至真智能篩查眼底相機”所搭載的糖網篩查算法準確率已達到世界領先水平。