隨著人工智能在各領域的應用逐步展開，筆者將對海內外AI+醫療健康領域就典型案例、投融資情況、產業內布局作出系列報道，供業內投資人、創業者參考。

　　本篇為讀者介紹的是一家智能創業公司，它的目標就是要對機器學習技術進行開發、改進、測試，用深度學習來提高超聲技術的臨床使用率和診斷準確率，為AI+醫療健康領域創業的典型案例之一。

　　現今，全世界每年在超聲波醫療設備上花費58億美元。超聲波醫學影像技術優點眾多，包括影像的實時獲取、掃描的無創特性、設備價格低廉、并且沒有任何已知副作用（超聲波屬非電離輻射）。然而，超聲診斷技術的良莠不齊對其應用和發展形成了巨大阻礙。因此，在實際治療中用得更多的反而是那些價格更高、對身體傷害更大的電離輻射類醫療成像診斷技術。有一家深度學習軟件開發服務公司：Bay Labs，它的目標就是要對機器學習技術進行開發、改進、測試，用深度學習來提高超聲技術的臨床使用率和診斷準確率。

　　Bay Labs，致力于提升醫療影像的品質、價值和使用普及度

　　Bay Labs公司于2013年11月12日成立，總部在加州舊金山。目前，Bay Labs最主要的業務是開發和銷售一種用深度學習技術診斷風濕性心臟病的軟件。2015年2月4日，Bay Labs獲Eleven Two Capital投資 160萬美元；后又獲得來自Khosla Ventures風投公司的250萬美元種子輪投資；深度學習專家Yann LeCun（Facebook AI研究部門的主管）、Nicolas Pinto和Jack Culpepper同樣也對Bay Labs進行了投資。

　　目標：人工智能技術普及超聲診斷

　　實現超聲波掃描影像的人工智能診斷，比單純的醫療圖像識別需要投入更多的研究，處理起來也麻煩得多。因為超聲波成像具有動態特性， Bay Labs的系統在用深度學習方法對一份資料進行智能醫學判斷的時候，相當于是從視頻當中分析超聲波影像的特點。

　　不過Bay Labs恰好在這方面有自己的一套應對辦法：他們用智能視頻分析的辦法，能夠對一個超聲掃描視頻進行細化研究，并且為用戶建模，關注每一份超聲資料的特殊性，使超聲波成像技術在影像獲取和編輯、病情分析的全過程都得到極大的簡化。創始人之一Cadieu說，之后不少醫院可能都會引進他們的超聲波醫療影像診斷技術，因為它可以大大降低超聲診斷的成本。

　　心臟超聲成像