文章|丽娜人工智能拥有两所黄埔军校，一所名为微软亚洲研究院，另一所名为百度研究院。
智洞智之前的两篇文章中，已经详细梳理了两个研究所的过往历史、起源和没落，以及从其中走出的各大AI玩家巨头，这里不再赘述。
在参观和探索这两个分支机构的过程中，一个名字引起了我的注意。
她不仅出现在微软亚洲研究院、百度深度学习研究院的校友名单中，还是一家名为“医疗智能”的医疗+AI初创公司的联合创始人兼首席科学家。
拍拍智能（原名“拍拍拍”）的主营业务之一是利用计算机视觉对医疗证件进行照片识别。
不仅可以准确识别和判读血常规、肝功能、肾功能、尿常规等医院常规检查项目，实验室检查还可以识别相关医疗发票，准确率高达96%。
益派智能成立于2017年，2018年7月获得万元A轮融资，由中山远志健康基金领投，宜联资本、慈铭体检、美国红点跟投。
此前，亿派智能还获得了美国红点的数亿投资。
万元天使轮投资，完成从to C业务到to B业务的转型。
智东西来到易派智能总部，与易派智能联合创始人、首席科学家杨琼聊天。
1.两个AI黄埔军校关于杨琼的故事，先从微软亚洲研究院说起。
2019年，微软亚洲研究院首次在计算机科学研究领域最负盛名的国际图形学会议SIGGRAPH上发表四篇论文。
此后三年，微软亚洲研究院迎来了最辉煌的岁月。
2019年SIGGRAPH收录的9篇论文全部来自微软亚洲研究院，相当于当年收录论文数量的十分之一。
微软亚洲研究院不负众望，成为当时全球最热门的实验室。
那是无数顶尖学术人才觊觎的研究之地。
而杨琼也是这些学生中的一员。
当然，面前的机会越有吸引力，进入的条件就越严格。
彼时，刚刚从清华大学电子系毕业的杨琼，在常人眼中已经算得上是尖子生了，但这一次，她却要与无数笼罩在“别人家的孩子”的竞争中。
同样的光环。
竞争极其激烈，入职要求极高。
“这次会议有2000多人，但最终只有我们两个人被记录下来。
“当时的微软亚洲研究院在李开复院长的带领下，吸引了张亚勤等一批学者回国，并建立了完整的培养机制和创新文化——开放、共享、自由、治学。
”既能接受行业领袖的专业培训，又能培养自己自由、开放的研究思维，这为杨琼在人工智能和计算机视觉领域的算法奠定了基础，更大的平台也意味着更广阔的天地、更丰富多彩的机会。
一次偶然的机会，杨琼结识了来自欧洲的计算机视觉专家Luc Van Gool教授。
2007年，正是计算机视觉领域“物体识别与分类”技术的兴起阶段。
2006 年，计算机视觉和人工智能听起来还很遥远，计算机识别物体仍然非常困难。
1999年，杨琼接受Luc Van Gool教授的邀请，来到欧洲微电子中心，进行欧洲最前沿的物体图像识别与分类研究。
在微电子中心，杨琼的人工智能知识与医疗“电气连接”。
一次偶然的机会，杨琼接触到了一个计算机视觉+医疗项目，比如病人吞服的智能药丸项目。
一个“药丸”大小的小颗粒，内含微型摄像头、无线传输装置、计算芯片、照明系统、电力系统和电源。
这种药丸在患者体内记录、拍照、计算，最后传输图像，然后排出体外。
杨琼团队的工作是对“小药丸”发送来的6-10个小时的视频进行预处理和拼接，通过计算机视觉自动监控图像，检查体内哪里有出血/损伤/息肉，依靠医生手动观看这些长视频片段。
此外，杨琼还参与了医院大型影像设备的配准与分割、医学视频中的计算机辅助诊疗、基于高光谱图像的皮肤病变早期检测等。
医学影像+人工智能??项目让她将这些学术知识运用到了实际应用中，也为后来的医学影像智能埋下了种子。
2017年的ImageNet竞赛上，多伦多大学Geoffrey Hinton教授带领团队使用了它。
当深度学习用于机器训练和图像识别时，错误率骤降到15.3%——深度学习这个一直隐藏在学术界的概念突然被重新推到聚光灯下，开始燃烧；还有这燃烧、燃烧的大头发。
在国内AI潮流引领者中，百度研究院走在AI的最前沿。
2016年，李彦宏在原多媒体部门的基础上成立了IDL深度学习实验室，主要专注于图像、语音等方面的深度学习研究。
此时，回国的杨琼作为第一批人加入IDL，成为国内第一批利用深度学习进行模型训练和应用的AI科学家。
她主要带领团队负责深度学习、自然场景中的文字识别、图片的推广。
反作弊、百度翻译、图像分类等领域。
一方面，在百度的经历让杨琼在深度学习技术的应用方面获得了进一步的经验，成为深度学习领域的早期推动者。
另一方面，也让她对中国互联网文化、产品和行业趋势有了更多的了解。
从获得博士学位开始从清华大学，到微软亚洲研究院，到欧洲微电子中心，再到百度研究院，现在回想起来，杨琼用“在云端”四个字来形容这些年的经历。
大公司、大平台带来的资源自然是其他环境无法比拟的。
但她越来越觉得，要真正给国内环境带来科技的改变，还是需要落地，甚至自己干脏活累活。
只有通过努力，才能真正推动技术落地。
创业的想法出现后，结合之前欧洲的医疗“触电”，一切都水到渠成。
2006年，经共同朋友介绍，杨琼结识了同样来自百度的吴世展（现任易拍智能创始人兼CEO），并成立了易拍智能。
吴世展是赶集网原首席DBA、技术支持部总监，国内大数据专家。
曾负责百度商业数据库团队，管理竞价排名、凤巢、网络联盟等营收相关数据系统；拥有丰富的大流量、高负载互联网开发和架构经验，以及大数据管理和挖掘经验，特别是在并发高可用环境下的大批量操作。
（创始人及团队合影，上图中间是吴世占） 2、创立初期和转型经历 就像无数其他创业公司一样，医学摄影智能在成立之初也经历了一些波折。
2017年成立之初，易派智能的主打产品其实是面向C端用户的App产品。
普通人看病往往要排几个小时的队，拿着各种化验单等待门诊，但轮到医生说话时，三五分钟就结束了，患者无法学习更多关于他的病情。
针对此，医拍智能打造了医疗文档识别APP。
用户拍照并上传血常规、肝功能等医疗文件后，系统可识别数据并给出相应的医疗意义和护理。
建议。
比如，当你的白细胞计数上升时，它会告诉你白细胞的作用+上升意味着什么；如果同时您的红细胞计数下降，它将结合这两个参数为您提供全面的医疗解释和护理。
计划。
6月17日，产品上线不到一周，“拍医拍App”就排名医疗类第76位。
“最好的时候，排名超过30位，一度超越阿里健康App。
”然而，因“花钱补贴”而被无数人青睐的C端市场，有着天然的商业变现困难。
随着2020年8月股市大幅波动，C端市场资金突然收紧，医像智能本应在10??月份推出的A轮融资也因此被搁置。
随后，易派智能重启新的融资接触，并开始重新思考公司的发展方向。
转型之路势在必行。
当时，医学摄影智能团队开始重新审视公司的优势和劣势。
他们意识到公司最大的优势在于技术，B端用户对技术产出的要求和支付意愿明显高于C端用户。
因此，他们需要果断调整战略方向，将重点从聚焦C端转向聚焦B端用户。
结尾。
除了普通的实验室检测单识别、病例识别之外，医派智能还随后添加了医疗发票识别功能，打造了提供医疗文件识别+信息汇总的平台工具。
医疗机构、体检机构、保险公司等都愿意为此付费。
不仅可以解放人工录入的繁琐工作，加快信息流转效率，还可以根据平台收集的数据完善用户画像，优化相应产品。
目前，医拍智能已与慈铭体检、科研宝、部分保险机构等达成合作。
医照智能现已支持除西藏等少数地区外全国各大医院化验单信息的识别与录入新疆，准确率97%；还支持北京、上海等地医疗发票识别，准确率达96%%，未来覆盖的市场将进一步扩大。
除了已经相对成熟的医疗文档识别业务外，医拍智能目前正在医疗影像领域开拓新的业务线。
通过深度学习和计算机视觉技术，为放射科医生提供医学图像（如X光片、CT视频）来辅助诊断，让系统告诉医生这是肺癌病灶的图像，那是良性肿块，减少医学影像的漏诊率。
3.图像文本识别和医学知识库医学文档识别的核心技术是图像文本识别技术，涉及图像处理、机器学习、模式分类等相关技术。
听起来很复杂，但实际上却很贴近我们的生活；例如车牌识别、名片识别等。
但是，由于医学照片智能专门应用于医疗领域的图像和文本识别，因此相对于通用图像和文本识别技术会面临一些挑战：例如医学术语的识别和理解，病历/实验室上的文字比普通图片上的文字更模糊。
医摄影智能近期拓展的CT、X光等医学影像诊断新业务线，对图像处理和识别技术提出了更高的挑战。
文字识别清晰度等问题需要杨琼博士团队反复优化模型以提高效果。
对医学术语的识别和理解依赖于医拍智能内部的医学知识库。
在医学摄影智能团队中，由联合创始人、医学专家杨劲松带领的一个医生小团队负责医学知识库。
杨劲松是云医医疗前首席医疗官。
他有15年的医疗经验。
曾任人民医院医生、好医生在线医疗总监。
结语，日益火爆的医疗+AI，从微软，到欧洲，再到百度研究院，杨琼的履历确实可以用“云端”来形容。
但在医学摄影智能，我看到自己积累的技术确实可以落地到诊疗过程中，提高效率，优化医疗体验。
这种初创公司所带来的奋斗感和成就感是云端生活中无法体验到的。
今年以来，国内外提供AI医学影像分析服务和数字医学影像解决方案的初创企业如雨后春笋般涌现。
医疗也是大家普遍非常看好的一个深度学习应用领域，并且正在逐渐蓬勃发展。
人工智能医疗的需求主要基于几个客观现实：一方面，优质医疗资源供给不足、成本高、医生培训周期长、误诊率高、疾病谱瞬息万变，技术日新月异；另一方面，随着人口老龄化、全球化加剧、慢性病增多、人们对健康关注度的提高，对医疗服务的需求不断增加。
医摄智能没有选择从保守体制内的医院进入行业，而是选择从相关医疗机构和保险机构进入行业。
一方面团队有技术实力，另一方面有年初以来积累的行业资源支持。
保证了一定的行业壁垒，在日益激烈的医疗AI行业竞争中找到了自己的玩法。