江苏龙网

  1. 首页 > 资讯 > 科技 > >

：战“疫”中的“急先锋” 看AI在医疗影像场景中的落地( 二 )


高效量化分析 准确掌握病灶情况
据了解 ， 传统的阅片工具只能实现影像调阅、长度测量 ， 无法提供病灶识别、分割和病灶体积、密度量化等功能 ， 而科大讯飞"新冠肺炎影像辅助诊断系统"的 3D分割量化功能可以提供病灶量化分析 ， 测量病灶的体积、平均密度 ， 并对肺部染区域进行体积及占比分析 。4D量化对比分析功能是该系统的核心功能 ， 能够高效量化患者肺部的病灶变化 。对于此项功能 ， 尹孝映介绍说："在历史影像对比方面 ， 传统的阅片工具只能做到调阅历史影像 ， 而肺炎病灶体积变化、密度变化等 ， 全靠影像科医生的经验进行预估 。'新冠肺炎影像辅助诊断系统'的4D对比分析功能 ， 可以自动匹配患者的历史期影像 ， 通过系统的辅助分析工具自动计算多期影像中的病灶数量、体积与密度的变化并进行量化分析 ， 使医生可以快速掌握病灶的变化情况 ， 为后续诊疗提供高效、准确的参考 。"截止目前 ， 科大讯飞与中科大附一院联合建设的"新冠肺炎影像辅助诊断平台"正在为1200余家医疗机构提供医疗影像辅助诊断服务 ， 并通过数据迭代与算法优化保证系统的每日升级 。
：战“疫”中的“急先锋” 看AI在医疗影像场景中的落地
文章图片

文章图片

新冠肺炎影像辅助诊断系统
武汉市卫健委联合天翼云和上海联影医疗科技共同打造的"uAI新冠肺炎智能辅助分析系统"在AI医疗辅助影像诊断方面也独具特色 。据了解 ， 该系统是业界首款综合肺炎整体与局部影像特征对肺炎影像实施精确分诊的AI全流程解决方案 ， 可准确识别各种形状和尺寸的结节 ， 对大于4mm结节的检出率超过98% ， 其中磨玻璃结节检出率超过95% ， 患者疑似病灶的检测准确率超过90% 。据介绍 ， 在该系统中每点开一张图像 ， 系统界面会清晰地显示出经过高精度算法自动标记的肺炎病灶及被感染肺段、病变累计范围等关键量化信息 ， 且可自动进行结节勾画分割 ， 原本需要医生5到15分钟的CT阅片时间缩短到了60秒 。系统具有的"智能随访"功能可以自动比对患者的历次检查数据 ， 显示结节的变化情况 ， 为医生的治疗方案提供参考依据 。
：战“疫”中的“急先锋” 看AI在医疗影像场景中的落地
文章图片

文章图片

uAI新冠肺炎智能辅助分析系统
连心医疗凭借在医学影像领域积累的核心AI技术 ， 结合百度飞桨开源框架和PaddleSeg开发套件 ， 研发上线了"基于CT影像的肺炎筛查与病情预评估AI系统" 。该系统可对患者肺部病灶的数量、体积、肺部占比等全套定量指标进行计算与展示 ， 同时辅以双肺密度分布的直方图和病灶勾画叠加显示等可视化手段 ， 为医生的筛查和预诊断工作提供定性与定量的参考依据 。据了解 ， 该系统采用的深度学习算法模型充分训练了不同分辨率的CT影像数据 ， 可以适应不同等级CT影像设备采集的检查数据 ， 有望为医疗资源和医疗水平有限的基层医院提供有效的肺炎辅助预诊断工具 。
高敏感性检出 实现精确辅助诊断
疫情期间 ， 与上述企业一样运用AI技术支撑一线医院的高科技企业还有很多 ， 如华为云与华中科技大学、蓝网科技联合推出的"新型冠状病毒肺炎AI辅助医学影像量化分析服务" ， 达摩院医疗AI团队结合阿里云辅助诊断算法和阿里健康创新实验室的医院场景技术研发的"CT影像AI辅助筛查技术"等 ， 这些服务和技术的推出纷纷验证了AI在医学影像领域中的巨大价值 。
AI医疗影像辅助诊断的实质是通过精准的疾病预测模型对各种因子和数据进行分析与处理 ， 再利用CT影像对病原细胞分类 ， 通过底层数据处理、影像筛查和智能决策三个环节 ， 为临床诊断提供准确的参考依据 。与此同时 ， 通过AI系统的高敏感性对阳性病例占比低、阳性病灶区数据占比小及对影像诊断专业知识要求低的病例进行筛查和分类检出 ， 这样去除了影像科医生在阴性病例数据上的大量重复性工作 ， 把有限的时间和精力投入到更具意义的临床诊断工作中 。此外 ， AI的高维信息挖掘和高通量计算能力 ， 为诊疗提供了更加丰富的影像诊断指标 ， 以辅助医生对疾病进行鉴别诊断、基因分析及预后判断 ， 极大提高了诊断的精确性 。


推荐阅读


上一篇：「」安装完 Debian 10 后必做的10件事

下一篇：【】微信改版好几次，这个地方依然没改好