【年终特辑】看见科技创新力量 洞见时代创业精神—医疗健康—爱可尔:AI行为识别技术提供商爱可尔致力于做智能养老“管家”

简介: 【年终特辑】看见科技创新力量 洞见时代创业精神—医疗健康—爱可尔:AI行为识别技术提供商爱可尔致力于做智能养老“管家”

爱可尔AI行为识别技术提供商爱可尔致力于做智能养老“管家”

 

随着科学技术进步,技术的加持为垂直业务的深度发展以及多元化业务发展形成充分的发展土壤,目前AI在医疗健康领域已有不少AI应用成功案例,譬如:新药研发、辅助疾病诊断、健康管理、医学影像等。

 

本期《看见新项目》栏目受访者为——苏州爱可尔智能有限公司创始人方倩,让她带我们了解玄目AI精细行为识别平台如何在大健康领域多场景、多任务覆盖。

image.png

一、 高效、精准、易用的AI行为识别方案

 

苏州爱可尔智能有限公司成立于2021年6月,团队聚焦主流机器视觉难以解决的精细行为理解场景,致力于为大健康领域的客户提供高效、精准、易用的AI行为识别方案。目前已开发一系列涵盖养老、医疗卫生及院感防控的行为识别系统。未来将实现行为识别方案在大健康领域的多场景、多任务覆盖。

 

玄目AI精细行为识别平台有三款核心产品,分别是玄目AI照护系统、玄目洗手动作智能识别系统、防护用品穿脱智能识别系统。

 

玄目AI照护系统利用深度相机进行人体骨架提取与周围物品信息采集,通过AI行为分析算法盒子实时重建3D骨架,将人体姿态,动作识别和周围物品识别算法并行。用户可以在Web端和小程序界面进行远程实时查看,如遇异常行为立马获得报警信号,还会生成活动事件报告了解日常行为轨迹。

image.png

“我们玄目AI照护系统通过实时提取火柴人,在平台实现AI行为分析与监测。”方倩表示玄目AI照护系统主要针对老年人设计,帮助年轻人和养老院等观测老人状态,若遇紧急情况可及时响应。为维护老人隐私,玄目AI照护系统只提取老人火柴人骨架,不采集真实形象,可识别吃饭、求救、久坐、攀高、跌倒、徘徊、进 入禁区等老人重点行为,识别准确率更高、部署也十分方便。

 

爱可尔拥有多项发明专利,其中包括业界首个并行提取3D人体骨架和识别物品的算法方案,实现多任务并行行为识别,应用于特殊人群看护场景的解决方案,跌倒识别准确率可达99.5%。方倩说道:“有些系统会将老人躺在沙发上行为误识别为跌倒,主要原因就是没有将物品并行识别。这会大大加剧系统错误率,但玄目AI照护系统很好地解决了这个问题。”

 

二、 AI助力医疗防控,准确率达98%以上

 

根据国家卫健委发布的、于2020年6月开始实施的《医务人员手卫生规范》,要求各级各类医务人员按照标准方法执行洗手和消毒。为赋能医院院感防控,玄目洗手动作智能识别系统作为以深度学习细微动作识别为核心的边缘计算系统,团队自主设计了轻量级生成对抗网络,解决了洗手场景中洗手液和泡沫遮挡手部大部分区域的问题,将遮挡部分还原,实现洗手动作的精确识别,单个动作识别准确率为99%以上。

 

防护用品穿脱智能识别系统则是通过智能识别与提醒,强化防护用品使用的科学性和规范性,提升对传染性疾病(如新冠病毒)的防护能力。该系统可智能识别8类个人防护用品,智能指导医务人员防护用品穿脱的全流程,物品识别准确率98%以上。

 

以防护用品穿脱智能识别系统为例,仅仅是穿一项流程,顺畅执行,就得经过至少一天的培训,真正操作以后全程也需要半个小时以上,对于疫情防控的工作人员来说,是一项不小的工作量。当采用了爱可尔的智能识别系统后,人员可以根据视频和语音的引导正确执行并获得实时反馈,不再需要额外培训,提升穿脱效率的同时降低了感染的风险,真正做到用AI赋能防疫。

image.png

三、 致力于成为大健康领域行为识别解决方案的领航者

 

爱可尔的研发团队由资深人工智能行业专家组成,在深度学习、计算机视觉、硬件设计及边缘计算应用等领域具有平均十年以上的专业知识。创始人方倩来自浙江大学,拥有多年市场管理经验和“互联网+”创业经验,负责公司的运营、管理和市场拓展等工作。联合创始人吴斌拥有台湾大学和新加坡国立大学的双硕士学位,独立操盘多个人工智能创新项目。

 

团队成员包括前微软总部高级研发工程师、深圳大学教授、哥伦比亚大学及香港科技大学博士以及华为硬件研发团队,对算法、操作系统和硬件的底层设计均有资深的理论与实操经验。目前爱可尔已登记四项计算机软件著作权,另有九项发明专利正在申请中。

 

谈起创业初衷,方倩说道:“之前有位做养老场景的合伙人,认为老年人跌倒是个很严重的问题。每年都有类似的新闻,比如独居老人跌倒没有被知晓,敲盆求助几天后才被发现。而已有的解决方案尚存在很大漏洞,因为毫米波雷达识别的范围比较小,存在误识别导致监护人劳心伤神的情况。我们希望用AI技术改变现状。”目前,爱可尔已找到了解决方案,玄目AI照护系统不仅达到高识别率,同时还以实际需求出发改进创新。假如收到报警通知,看护人可以先通过火柴人画面进行对老人状态的二次确认。

 

关于爱可尔与阿里云创新中心的故事,方倩表示公司成立伊始就开始关注了阿里云创新中心。因为当时想参加一些高质量的比赛,看了诸神大赛,认为很多项目都非常优质,想和优秀的创始人多多交流。“因为我们本来就是一个以技术为核心的公司,我们觉得可能技术是我们最强项的部分。所以最难的并不是技术的突破,而是到合适的可落地、可商用的一个方向。”方倩表示希望通过比赛多多和行业里同在奔跑的创业者们互动和链接,以及听取到专业的投资人的建议。

 

目前,爱可尔已经成功在北京、南京、上海和广州的养老机构及十几家医院落地,未来方倩表示希望爱可尔能成为大健康领域行为识别解决方案的领航者。在大健康领域,尤其是医疗行业中,打造一个标准化产品的阵列,开发十几个甚至几十个标准化的行为识别的解决方案,实现AI 算法的大规模落地。

相关文章
|
7天前
|
人工智能 自然语言处理 机器人
文档智能与RAG技术如何提升AI大模型的业务理解能力
随着人工智能的发展,AI大模型在自然语言处理中的应用日益广泛。文档智能和检索增强生成(RAG)技术的兴起,为模型更好地理解和适应特定业务场景提供了新方案。文档智能通过自动化提取和分析非结构化文档中的信息,提高工作效率和准确性。RAG结合检索机制和生成模型,利用外部知识库提高生成内容的相关性和准确性。两者的结合进一步增强了AI大模型的业务理解能力,助力企业数字化转型。
39 3
|
6天前
|
人工智能 文字识别 运维
AI多模态的5大核心关键技术,让高端制造实现智能化管理
结合大模型应用场景,通过AI技术解析高端制造业的复杂设备与文档数据,自动化地将大型零件、机械图纸、操作手册等文档结构化。核心技术包括版面识别、表格抽取、要素抽取和文档抽取,实现信息的系统化管理和高效查询,大幅提升设备维护和生产管理的效率。
|
11天前
|
人工智能 自然语言处理 算法
企业内训|AI/大模型/智能体的测评/评估技术-某电信运营商互联网研发中心
本课程是TsingtaoAI专为某电信运营商的互联网研发中心的AI算法工程师设计,已于近日在广州对客户团队完成交付。课程聚焦AI算法工程师在AI、大模型和智能体的测评/评估技术中的关键能力建设,深入探讨如何基于当前先进的AI、大模型与智能体技术,构建符合实际场景需求的科学测评体系。课程内容涵盖大模型及智能体的基础理论、测评集构建、评分标准、自动化与人工测评方法,以及特定垂直场景下的测评实战等方面。
56 4
|
11天前
|
机器学习/深度学习 人工智能 算法
基于AI的性能优化技术研究
基于AI的性能优化技术研究
|
机器学习/深度学习 人工智能 自然语言处理
|
6天前
|
机器学习/深度学习 人工智能 自然语言处理
当前AI大模型在软件开发中的创新应用与挑战
2024年,AI大模型在软件开发领域的应用正重塑传统流程,从自动化编码、智能协作到代码审查和测试,显著提升了开发效率和代码质量。然而,技术挑战、伦理安全及模型可解释性等问题仍需解决。未来,AI将继续推动软件开发向更高效、智能化方向发展。
|
11天前
|
机器学习/深度学习 人工智能 自然语言处理
AI在医疗领域的应用及其挑战
【10月更文挑战第34天】本文将探讨人工智能(AI)在医疗领域的应用及其面临的挑战。我们将从AI技术的基本概念入手,然后详细介绍其在医疗领域的各种应用,如疾病诊断、药物研发、患者护理等。最后,我们将讨论AI在医疗领域面临的主要挑战,包括数据隐私、算法偏见、法规合规等问题。
30 1
|
8天前
|
机器学习/深度学习 人工智能 算法
AI在医疗领域的应用与挑战
本文探讨了人工智能(AI)在医疗领域的应用,包括其在疾病诊断、治疗方案制定、患者管理等方面的优势和潜力。同时,也分析了AI在医疗领域面临的挑战,如数据隐私、伦理问题以及技术局限性等。通过对这些内容的深入分析,旨在为读者提供一个全面了解AI在医疗领域现状和未来发展的视角。
39 10
|
9天前
|
机器学习/深度学习 人工智能 监控
探索AI在医疗领域的应用与挑战
本文深入探讨了人工智能(AI)在医疗领域中的应用现状和面临的挑战。通过分析AI技术如何助力疾病诊断、治疗方案优化、患者管理等方面的创新实践,揭示了AI技术为医疗行业带来的变革潜力。同时,文章也指出了数据隐私、算法透明度、跨学科合作等关键问题,并对未来的发展趋势进行了展望。
|
12天前
|
机器学习/深度学习 人工智能 自然语言处理
当前AI大模型在软件开发中的创新应用与挑战
【10月更文挑战第31天】2024年,AI大模型在软件开发领域的应用取得了显著进展,从自动化代码生成、智能代码审查到智能化测试,极大地提升了开发效率和代码质量。然而,技术挑战、伦理与安全问题以及模型可解释性仍是亟待解决的关键问题。开发者需不断学习和适应,以充分利用AI的优势。

热门文章

最新文章