工程派的做法，则是进一步施展深度学习本身的上风，取长补短，获取更多标注数据，设置更多参数，用更强盛的算力，练习出一个可能学习更多维度特点的“教训模型”。其实质是建立某种学习和搜寻的Meta Method,金多彩84384四肖中特，依靠摩尔定律带来的指数增加的算力，让机器自行构建庞杂的知识体系。
前者强调人工设计，后者依附机器自主构建。
医疗AI高潮，无疑离不开这波深度学习的发展，但因为深度学习的自然局限性和医疗领域的特别性，使得医疗AI这一穿插的范畴，也在进入瓶颈期。
跟着深度学习行将涉及天花板，医学影像剖析科研职员也随之分为两大派别：实践派跟工程派。
后深度学习时期的医疗AI研究走向，正朝着这两个看似极真个方向发展，工者愈工，理者愈理。
“深度学习正走向两极化，大部分研究深度学习的人员会偏向于工程化，包含树立更加全面、便捷、疾速、可视化的深度学习平台，'暴力'地将深度学习利用到更加多的领域。小部门的深度学习研究者会倾向于理论化，解决深度学习的理论瓶颈包括可解释性等问题。”密歇根州破大学汤继良教学曾如斯总结到。
理论派的初衷，是解决深度学习“缺乏”的局部，强调人工设计和数学论证，通过预先构建先验常识，在不外度依附大数据的条件下，开发出一个可说明的、高精度、可解决诸多长尾问题的“智能模型”。不少专家以为，医疗AI中有大批Mission Critical和长尾问题，这对研讨人员的整系统统设计才能请求十分高，因而人的作用就显得尤为主要，而基于黑箱统计模型的深度学习，显然存在太多的弊端。
前者的难度在于理论的冲破,黄磊大女儿都这么大了？这才是妥妥的名媛和才女吧！，从某种水平上取决于个别人的首创性研究结果；而后者在很大程度上取决于全部行业的数据尺度化、开放化和监管进度。
