娱乐天地,娱乐天地平台,娱乐天地注册登录【娱乐天地官网】

VoxelCloud获红杉资本独家千万美元投资

来源:网络整理 发布时间:2017-12-28 14:33

VxelCloud创始人丁晓伟向亿欧确认,已于2017年4月完成了千万美元级的A轮融资,本轮融资由红杉资本独家投资,由华兴Alpha担任独家财务顾问。

此轮融资将用于人工智能医疗影像阅片服务的部署、市场推广、完成产品的CFDA注册、以及保持技术方法论的科研优势。

VoxelCloud主体公司为苏州体素信息科技有限公司,定位于下一代人工智能医疗产业,致力于基于深度学习的精准和个性化医疗诊断服务。曾于2016年9月宣布完成两家中国投资机构投资的550万美元天使轮融资。

目前,VoxelCloud共有人员25人,技术人员20人。丁晓伟介绍说,公司团队成员来自加州大学洛杉矶分校、西达-赛奈医疗中心、梅奥医学中心、西门子(美国)、GE、卡内基梅陇大学、亚利桑那州立大学、美国西北大学、北京大学、上海交大、西安交大,均为医疗影像分析、计算机视觉、以及机器学习领域内高活跃度的科学家和医学专家。

VoxelCloud创始团队共3人。

丁晓伟自身是医疗影像分析和机器学习研究方面的专家,分别在2012年和2015年获得上海交通大学信息工程学士和加州大学洛杉矶分校(UCLA)计算机科学博士(辅修应用数学);2016年加入加州大学洛杉矶分校计算机系,任助理研究员(研究助理教授);曾任职于美国Cedars-Sinai医学中心的人工智能医疗项目和生物医学影像研究院并担任众多业界学术会议和杂志审稿人和编委。

联合创始人之一的Demetri Terzopoulos院士是加州大学洛杉矶分校(UCLA)杰出教授,计算机视觉与图形学实验室主任;是英国皇家科学院院士、加拿大科学院院士、Guggenheim、美国计算机学会(ACM)、美国电子电器工程学会(IEEE)院士,中国外籍千人计划学者;被ISI、谷歌学术等学术排名索引列为世界被引次数最多的工程类学者之一。

另一位联创Jianming Liang教授现任美国亚利桑那州立大学(ASU)生物医学信息和计算机科学副教授,美国梅奥医学中心Inaugural Faculty in Residence。他的研究方向是利用计算机视觉、机器学习、可视化、数学和统计学的工具解决医疗影像分析以及计算机辅助诊断、手术、治疗等方向中的一系列重大挑战;发表了超过70篇论文并获得13项专利(31项待批);他的研究是多款FDA批准的医疗应用的基础;他还是ASU校长创新奖的获得者。

与人工智能密不可分的一个词就是大数据,而如何保证数据的有效性则是令不少企业头疼的事情。据介绍,VoxelCloud的每一份数据都是通过专门开发的云端数据标记系统分配至少3组知名医院专家团队进行互相独立的阅片和标记,系统自动选取结果一致的才会真正入组使用,以保证数据具有临床有效性和金标准标记。

基于这些数据的算法,VoxelCloud可以为用户提供数据分析服务、云计算服务与云计算服务平台搭建。“云端影像筛查系统已经在多家着名医院和体检机构中进行试点、并且人工智能影像阅片云服务接口正在接入医疗影像器械,最终呈现一款智能影像检查设备;已经上线的VoxelCloud云系统已经高度自动化了新模型的部署流程,做到自动云端部署,自动调试和自动测试。”

VoxelCloud目前的产品已经覆盖肺癌、心血管疾病、眼底疾病等几个业务领域。

据悉,近期,VoxelCloud新的产品线将与公众见面,涵盖颈动脉等高发疾病。而在其现有产品线中,一款产品已经具备美国FDA和欧洲CE准入资质,另外有5项在CFDA审批中。

VoxelCloud直译为“体素云”。体素是体积元素,是数字数据于三维空间分割上的最小单位,体素用于三维成像、科学数据与医学影像等领域。概念上类似二维空间的最小单位——像素,像素用在二维计算机图像的影像数据上。

“我们借用这个象征意义定义我司的主要业务方向——医疗影像。VoxelCloud用意就是无数的体素在云计算平台上得以智能化分析。”丁晓伟表示。

丁晓伟介绍说,VoxelCloud首家提出医疗影像的AI知识图谱(AI Knowledge Graph for Medical Images),并正在搭建细分疾病或部位的知识图谱。

据了解,VoxelCloud AI医学影像知识图谱是对已有产品线的系统性扩展,旨在建立真正的综合语义标记医疗数据库,并在此基础上由众多机器学习模型联合提供的医疗影像AI知识图谱。

医疗影像知识图谱的价值更适合于区域医疗大数据中心,知识图谱可以将医疗大数据中心的数据价值以友好的API形式释放出来,用于疾病辅助诊断、临床路径管理、医院管理、医保管理等,并且能在外部利用这些价值的同时有效隔离原始数据,也降低了利用数据价值的技术难度和门槛。

“VoxelCloud研发团队完成了困难的分析核心算法。”