发布时间：2018-08-17 阅读量：1426 来源: 我爱方案网 作者:
据VentureBeat报道，由谷歌旗下DeepMind Health、Moorfields眼科医院NHS信托基金和伦敦大学学院眼科研究所共同创建的人工智能(AI)系统，可以为50多种眼疾推荐治疗方案，准确率高达94%，与顶级人类专家不相上下。
在《自然医学》(Nature Medicine)杂志网络版上发表的研究中，研究人员详细介绍了AI在眼科疾病治疗方面取得的进展。英国《金融时报》于2016年2月份首次报道，发现AI可用于分析视网膜扫描最大眼疾(比如青光眼、年龄相关性黄斑变性、糖尿病性视网膜病变)等，而且可能比训练有素的人类专家更准确。
训练用来在图像中发现模式的神经网络也被用于检测心血管疾病、乳腺癌和肾病。伦敦大学学院的科学家皮尔斯·基恩博士(Pearse Keane)表示:“我们正在开发的AI技术是为了优先考虑那些需要医生或眼科专家紧急治疗的病人。如果我们能及早诊断和治疗眼科疾病，我们就有最好的机会挽救人们的视力。”
通过进一步的研究，这可能会在将来为眼疾患者带来更高的护理质量。该系统不仅可以给出治疗建议，还可以为医生解释为什么选择提出特定建议，并显示对建议治疗过程的信心水平。分享建议背后基本原理的想法与谷歌AI主管杰夫·迪恩(Jeff Dean)的主张一致，他希望看到更多类似尝试。AI还可以部署在多种医疗成像设备上，这些设备可以用来生成眼睛的医学图像。
然而，AI系统在用于日常眼部扫描之前，必须经过临床试验并获得监管部门的批准。
DeepMind发言人指出，如果临床试验取得成功，Moorfields将能够在其英国30家医院和社区诊所免费使用AI系统，初始期限为5年。
近年来，随着机器智能的兴起,正在开发的AI(如DeepMind与合作伙伴研发的系统)经常被倡导作为一种民主化的AI，向患者提供高度精确算法的好处。据世界卫生组织统计，全世界有超过2.5亿人患有视觉障碍或失明。眼睛可能是心灵的窗户，但也可能是更严重疾病的窗户。例如，糖尿病视网膜病变与心血管疾病的风险增加有关。
谷歌创建的神经网络能够以大约70%的准确率预测糖尿病视网膜病变患者是否会继续经历心脏病发作等重大心脏事件。今年春天，谷歌首席执行官桑达尔·皮查伊(Sundar Pichai)和谷歌Medical Brain团队表示，该公司已经创建了能够预测病人是否会再次入院的AI系统。今年6月公布的结果还发现，在两家医院的试验中，这套AI系统能够预测病人在住院期间是否会死亡，准确率超过90%。
Alphabet子公司Verily Life Sciences今年也一直非常活跃，致力于解决一些问题，如睡眠呼吸暂停的检测、使用AI帮助药物发现、血液采集、健康保险等。
方案超市都是成熟的量产方案和模块，欢迎合作：
AI人脸识别套件方案定制
人脸识别智能闸机管理系统
RK3288人脸识别算法评估板
快包任务，欢迎技术服务商承接：
AI活动灯支架 预算：￥100000
人脸识别 预算：￥30000
晶振的启动时间，通常是指其通电后进入稳定振荡状态所需的时间。若启动时间过长，可从以下五个常见的影响因素方面进行优化。
RTC（Real-Time Clock，实时时钟）芯片作为一种独立的专用计时器件，其核心功能包括提供稳定的日历时钟、在主电源断电后持续运行、支持定时中断以及输出高精度时间戳，为各类嵌入式系统提供可靠的时间基准。
时钟系统是保障微控制器（MCU）稳定运行的核心，而晶振作为关键时钟源，主要分为无源晶振与有源晶振两种类型。下面将围绕工作原理、硬件接口、电气特性及其在MCU中的适配场景等维度，系统解析这两类晶振与MCU之间的关联逻辑。
恒温晶振（Oven Controlled Crystal Oscillator，简称OCXO）是高精度频率源的核心组件，选用切型更优（如SC切、AT切高精度型）、封装应力极小的高Q值晶片，通过恒温槽的超精密控温，让晶振始终工作在零温度系数点，几乎消除温度引发的频率漂移。
晶振倍频干扰（即高次谐波辐射）是电磁兼容（EMC）设计中非常棘手的问题，通常表现为基频25MHz的5次、7次谐波（如125MHz、175MHz等）处辐射超标。该问题源于晶振输出方波信号包含丰富的高次谐波成分，若PCB布局不当，晶振及其走线极易构成高效辐射天线，导致电磁干扰增强。
