► 刷脸也能看病,图片来自nvidia.com 撰文 | 李家劲 责编 | 叶水送 ● ● ● “刷脸时代”,来了。我们可以刷脸支付、刷脸解锁、刷脸考勤,事实上,也可以刷脸看病。
近日,FDNA公司发布的面部分析框架DeepGestalt可刷脸看病。只需要用手机自拍,它就可以用计算机视觉技术和深度学习算法,预测可能的遗传病症状和关联的基因突变。它准确度极高,现已击败人类专家三次。相关研究结果发布在Nature Medicine上。 ► 相关研究结果发布在Nature Medicine上 当然,并不是随便拍下来的照片就能够直接让DeepGestalt来分析。因为不同照片可能有光影、角度和拍照姿势的区别,所以要先进行预处理。DeepGestalt会先从图片中识别出面部轮廓和位置,以及130个面部特征标记。之后,DeepGestalt根据这些信息将原本的图片转化成标准输入图片。
►Face2Gene通过面部识别,来诊断疾病的病因,图片来自newscientist.com 专家看病时,一般会观察整个脸部,也会仔细观察脸部的各个区域,如眼睛、鼻子、额头等。DeepGestalt也不例外,它将图片分成像眼睛区、鼻子区等一些区域。这些小图片都会被转化成100像素×100像素的标准黑白图片。然后,DeepGestalt用深度卷积神经网络(DCNN)对各个区域计算各种病症的概率。最后,总结全部的预测结果得到各种病症的可能性排序。那么医生就可以根据这个排序来判断病人患了什么病。 DeepGestalt的工作原理 知识框
Noonan综合征的五种亚型
只通过“看脸”就知道什么病或许已经很困难,仅凭“看脸”就能够确定病因更是“难于上青天”了。要知道,一种遗传病可能是不同基因上的突变造成的。例如,PTPN11,SOS1,RAF1,RIT1或者KRAS基因发生突变,都可能导致Noonan综合征。单单靠脸部图片,人类专家对此根本无法判断。但DeepGestalt有64%的概率正确区分这几种亚型,比随机猜的20%正确率要高得多。 FDNA公司的CEO Dekel Gelbman相当乐观。
人脸看病系统的弊端 无可否认,DeepGestalt作为一个自动化面部分析框架,能够协助医生做出正确的诊断。 然而,像很多其它人工智能系统一样,很难让人理解它是如何根据面部特征作出判断,1)所以预测结果可能增加了医生的疑惑而不是减少;2)同时,DeepGestalt不能用于健康人,因为它预先假定照片里的人是有某些疾病的。那么,医生的经验依然必不可少,在确认病人患病之前,不能使用这个分析工具;3)还有一个隐忧是,比起基因信息,个人照片相当容易获得,我们需要采取措施来防止滥用。 |
|