- · 《影像研究与医学应用》[05/29]
- · 《影像研究与医学应用》[05/29]
- · 《影像研究与医学应用》[05/29]
- · 《影像研究与医学应用》[05/29]
- · 《影像研究与医学应用》[05/29]
AI+医学影像应用全景扫描:除自动识别病灶,还
作者:网站采编关键词:
摘要:作者:付海天、樊晓芳 新冠疫情的肆虐,牵动了无数人的心弦。CT影像是新冠肺炎诊断的重要依据,大量疑似病例的CT影像诊断和确诊患者的CT影像评估给影像医生带来了沉重的工作负担
作者:付海天、樊晓芳
新冠疫情的肆虐,牵动了无数人的心弦。CT影像是新冠肺炎诊断的重要依据,大量疑似病例的CT影像诊断和确诊患者的CT影像评估给影像医生带来了沉重的工作负担。医学影像AI公司纷纷在此次疫情中贡献力量,推出新冠肺炎CT诊断产品,辅助影像医生在有限的时间内对海量CT影像进行快速诊断。实际上,在新冠疫情之前,医学影像AI产品就已经走在商业化道路之中,能够对X光、CT、MR、病理图像等多种影像类型进行识别分析,并在肺结节、乳腺癌、脑卒中等多个病种诊断中取得相当效果。此次疫情让医学影像AI产品受到更多关注与认可,医学影像AI公司也将迎来一波新的发展机遇期。
医学影像是医疗数据最密集的领域,医疗数据中超过80%来源于医学影像,人工智能技术已经应用在医疗行业多个领域,但医学影像是应用最成熟的领域之一。深度学习算法模型的训练需要海量数据支撑,医学影像由于其数据密集的特性,让以深度学习为代表的人工智能技术有了广阔的发挥空间,而其中又以X光、CT等类型影像的识别分析最为成熟。
\r\t\t\t\t\t\t\t\t\t\r\t\t\t\t\t\t\t\t医学影像成像设备及医学影像信息系统
封闭的医疗体系已经无法满足医学影像AI快速发展的需要,医疗机构、影像AI开发商等各方协作与联合成为必然趋势。医学影像算法模型的训练需要以大量的优质标注数据为基础,单个医院的影像数据难以满足影像AI模型训练的要求,医联体和区域影像中心的建立为影像数据流通和数据价值发挥奠定了坚实基础,多地也已成立区域级的影像联盟,促进了医学影像技术交流和数据流通。
政策开闸是医学影像AI产品走向商业化的重要因素。2017年8月,CFDA发布了新版《医疗器械分类目录》,新增了与人工智能辅助诊断相对应的类别,医学影像AI产品开始进入审批通道,个别企业获得了二类器械许可证并开启了初步的商业化,但医学影像AI产品的三类器械许可证审批始终引而不发。2019年7月器审中心发布了《深度学习辅助决策医疗器械软件审评要点》,对医疗AI产品的数据质量控制、算法泛化能力、临床使用风险等问题进行了规定,相关医学影像AI产品的审批也进入了绿色通道。2020年1月,国家药品监督管理局审查批准了我国首个应用人工智能技术的三类器械-冠脉血流储备分数计算软件的注册,与此同时,其它多个医学影像AI产品也正在注册审批队列中。随着医学影像AI产品三类器械许可证的审批加速,医学影像AI产品商业化将迎来一波新的发展浪潮。
机器之心希望通过本报告《开启医学智慧之眼——医学影像中人工智能技术应用现状及展望》,介绍现有人工智能技术在医学影像中的应用现状、未来技术发展及落地应用趋势,向医学影像AI产品开发商、医护人员、医学影像设备制造商、算法工程师等相关从业者提供详实的调研参考,并帮助读者对该领域形成系统性见解。
报告目录
\r\t\t\t\t\t\t\t\t\t\r\t\t\t\t\t\t\t\t部分应用案例
4.1.1 乳腺癌
乳腺 CAD 被广泛应用于 X 线摄影诊断乳腺癌的过程,主要用于提高钙化灶和肿块被检出的精准性,钙化是乳腺癌早期的重要表现,肿块是乳腺癌的直接定位依据。乳腺 CAD 对钙化点检测效果比较理想,但在肿块检测方面,由于早期的隐匿性乳腺癌肿块尺度较小、边缘模糊、对比度低,与正常乳腺组织极其相似,辨识特征不太明显。
文章来源:《影像研究与医学应用》 网址: http://www.yxyjyyxyy.cn/zonghexinwen/2020/1003/529.html