期刊名称：人工智能 创刊时间：2017年12月 主管单位：工业和信息化部 主办单位：中国电子信息产业发展研究院、赛迪工业和信息化研究院（集团）有限公司 刊期：双月刊 国内统一连续出版物号：CN 10-1530/TP 国际标准连续出版物号：ISSN 2096-5036 邮发代号：80-381 电话：010-88558766 email：aiview@ccidmedia.com
<正>人工智能(AI)是指可模仿人类智能执行任务,并基于收集的信息对自身进行迭代式改进的系统和机器,是一种为超级思考和数据分析而服务的过程和能力。中国是人工智能技术发展大国,拥有全球领先的人工智能基础研究成果、论文及专利数量、人才投入数量,中国人工智能产业也蓬勃发展。优先发展人工智能技术也被纳入国家"十四五"规划和2035年远景目标纲要。
脑血管分割是自动诊断与分析脑血管疾病的重要前提。本文从脑血管成像、面向脑血管分割的图像处理与人工智能方法、脑血管分割的难点问题等三个方面论述了脑血管分割技术。最后,在对脑血管分割领域的总结分析的基础上提出了几点建议。
近年来,人工智能(AI)在我国医疗影像行业可谓遍地开花,越来越多的智能应用走入临床。目前已有多款人工智能自动分析软件取得三类医疗器械注册证,涵盖冠脉血流、脑肿瘤、糖网眼底、肺结节、骨折等不同器官脏器的病变。人工智能多器官多模态筛查已经成为下一阶段发展目标。本文讲述了人工智能在不同影像分支领域的具体临床应用,旨在从实用性、功能性、创新性等多个维度,揭示人工智能软件与临床结合的切入点。现有的人工智能软件在临床应用、使用场景、数据安全、工作流整合等多个方面都遇到不同程度的挑战,这也为下一阶段人工智能的发展指明了方向。相信在不久的未来,经过市场的不断打磨洗礼,人工智能势必将在一体化、可及性和复杂性等多个方面不断深入,最终形成自己独特的产业价值链条,更好地惠及普罗大众。
新冠病毒在全球的大肆传播使得新冠肺炎成为全球最大的流行病之一,新冠患者的肺部CT影像数据可以辅助临床诊断和诊疗方案的制定。本文应用开发了新冠肺炎自动标注与定量分析系统。为了探究不同层厚的CT数据对于新冠诊断的影响,我们运用该系统对1mm和5mm的CT数据进行定量分析比较,通过统计学方法进行显著性分析,实验结果表明两种不同层厚的CT数据对于诊断的影响差异较小。结论:5mm层厚的CT诊断精度与1mm层厚无异,当医疗资源紧张时,5mm层厚扫描有助于提高新冠肺炎疫情的诊断效率。
高端医疗影像设备发展迅速,功能日趋完善,在临床诊疗中不可或缺、日渐重要,。本文介绍了人工智能技术在医疗影像中的有关发展,阐述人工智能在扫描、影像重建及影像辅助诊疗分析中的应用,分析说明人工智能技术正逐步融入临床诊疗的医学影像全流程。
针对目前糖尿病视网膜病变筛查诊断流程耗时、缺乏足够眼科专业医生、基础设施,i以及不足存在主观判断等痛点,基于卷积神经网络的深度学习技术以及Web和Java SprntBoot开发技术等搭建了糖网病辅助诊断系统。本系统使用基模型部分ImageNet上进行预训练,学习基本的特征提取;然后采用Kagg使预测为正确类别的概率最大;针对该数据集i图像质量不一、病程类别图像不均等问题,通过数据增强等方法进行预处理。基于Incepton-v3模型算法开发岀糖网病程分类模型并进行验证,该系统能够有效地辅助医生进行糖网病诊断,具备潜在的临床应用价值。
本研究评估基于深度学习的翼状胬肉智能诊断系统的应用价值。收集了2019年12月至2020年8月在南京医科大学眼科医院门诊就诊的正常及翼状胬肉患者的眼前节照相624张,用于训练集和测试集,训练出翼状胬肉智能诊断模型。专家诊断组显示61眼(32.4%)为正常眼前节组,127眼(67.6%)患有不同程度的翼状胬肉;其中翼状胬肉观察组62眼(33.0%),翼状胬肉需手术组65眼(34.6%)。而智能诊断结果显示64眼(34.0%)为正常眼前节组,翼状胬肉观察组55眼(29.2%),翼状胬肉需手术组69眼(36.7%)。在正常眼前节组中,智能诊断的灵敏度为0.983,特异度为0.921,Kappa值为0.916,ROC曲线下方面积(Area Under Curve,AUC)为0.964。在翼状胬肉观察组中,智能诊断的灵敏度为0.872,特异度为0.818,Kappa值为0.666,AUC为0.823。在翼状胬肉需手术组中,智能诊断的灵敏度为0.924,特异度为0.811,Kappa值为0.745,AUC为0.878。本研究揭示基于深度学习的翼状胬肉人工智能诊断系统能较好提示翼状胬肉的不同分期,能够为翼状胬肉提供一种新的智能辅助诊断工具,并提出基本的诊疗建议。
本文总结了目前眼底疾病人工智能检测系统单一病种、单一维度的开发,以及应用现状,并介绍我们自主研发的一系列基于多病种、多标签、多维度、与应用场景紧密结合的人工智能眼底病检测平台;包括多病种视盘疾病、ROP、DR、广角眼底彩照RRD及相关周边视网膜病变和基于3D-OCT的AMD三维深度学习检测平台等;最后总结了我们在AI平台研发过程中算法创新探索及规范化过程管理的相关经验,为眼底疾病AI检测系统开发提供有价值的参考。
脑血管疾病威胁国人生命健康的头号疾病之一,大数据和人工智能技术的快速发展,使得基于人工智能的脑血管疾病诊断和防治逐渐成为可能。基于人工智能技术,能够极大地提高诊断效率,这对于脑血管病这一重大疾病的诊疗至关重要。近年来,脉流科技围绕颅内动脉瘤和脑卒中两大类脑血管的智能诊疗,应用人工智能技术,在临床科研与产品研发方面,取得了丰富的成果。
AI医学影像是当前医疗人工智能最为成熟的应用领域之一。随着深度学习技术的发展,AI视网膜慢性病筛查已率先落地应用,并实现商业化。鹰瞳网膜影像和人工智能技术,研发的人工智能视网膜健康风险评估产品已在全国各地的医院内外等多场景中实现应用。
在本次新冠肺炎疫情中,智慧医疗积极发挥科技优势,研发适用于疫情期间诊断、治疗、预警、预测的相关产品。本文重点介绍智能阅片、智能预测、智能预警三款产品的应用情况。比如,平安智慧医疗的智能阅片服务累计覆盖超过1500家医疗机构,完成400万张阅片,,并提供海外服务超过2万次;智能预测已服务全国20余省市,提供每日疫情预测分析准率达到99%,截至2021年5月20日,已出具报告255期;智能预警构建了面向珠海全市的传染病多渠道监测的网格,覆盖广东省21个地市的18030家机构,构筑疫情哨点信息系统。
医疗是国民的基本需求,是国家稳定的基石。当前,人工智能技术飞速发展,不断向各行业渗透融合,其中,应用最为广泛的就是医疗行业,推动着智慧医疗产业纵深发展。本文基于人工智能技术原理探索和医疗行业现状研究,拟对智慧医疗产业发展面临的挑战进行梳理,并对其未来发展进行展望。
当前,近视已成为威胁眼健康的公共卫生问题,致盲性高度近视的患病率逐年升高。高度近视的早期发现需要眼科医生进行检查,但是全世界没有足够的眼科医生进行此检查。人工智能使用眼底彩色图像数据进行自动诊断的方法无创且容易获得,在高度近视的筛查中非常有用。利用深度学习技术开发用于高度近视眼底病变辅助诊断的计算机自动分级系统,将眼科专家的高度近视病变标注信息作为输入信息训练卷积神经网络和深度残差网络,能够自动进行高度近视眼底彩色照相的分级评价,有较高的临床分.级诊断效率和准确率,高度近视人工.智能辅助诊断模型对高度近视病变判别的准确率达9465%,与眼科专家的诊断一致性达9593%,是适合基层眼科的可信、可及、可用的重要技术手段。