通过深度学习、机器学习等人工智能技能，能够对医学影像进行无监督或者半监督的自动化剖析，提升医学影像临床诊断效率，深入发掘影像数据中潜藏的医疗与科研代价。

医疗行对医学影赛道像诊断的准确度与诊断效率哀求在日益增长，传统医学影像科室无法知足海内日益增长的患者需求，由于硬件算业力和算法模型的飞速发展，医学影像中人工智能技能的运用成为一定趋势。
人工智能技能对医学影像系统智能化升级表示在：医学影像软件系统诊断及剖析功能的升级、医学影像成像设备的升级、助力医学科研事情等方面。
自2016年以来，大量初创公司和行业巨子开始加速探索人工智能技能在医学影像领域的商业化运用，医学影像人工智能成为热门投资。

作者 | 付海天、田辰

一、环球及中国医学影像市场规模

据Zion Market Research测算，环球影像诊断市场在2016-2021年年复合增长率（CAGR）约为6.0%，估量在2021年市场规模将达335亿美元。
据Signify Research报告显示，环球人工智能医学影像市场有望将在2023年达到20亿美元规模。
海通证券等多家机构预测，到2020年海内医学影像市场规模将达6000-8000亿元。
据机器之心数据统计，2016年中国医学影像干系企业（包含医学影像业务的通用型人工智能公司）累计融资额约63亿公民币，之后呈现快速增长趋势，2018年融资额度创历史新高，高达约300亿公民币，企业产品创新研发投入持续加码，诊断产品覆盖病种达近百种。

中国医学影像干系产品/办理方案做事商年度融资额

二、人工智能技能对医学影像行业的影响

医学影像数据感知及剖析：医学影像的处理实质上便是打算机视觉技能在医疗行业的运用，涉及医学图像分割、图像配准、图像领悟、图像压缩、图像重修等多个领域。
人工智能的浸染紧张表示在对付经由一定打算机视觉技能处理后的图像数据进行进一步的智能化剖析，赞助年夜夫进行标注、诊断或者手术事情。

医学影像数据与其他类型数据领悟处理及剖析：医学影像能够展现患者身体特定部位的构造特色和代谢情形，具有大量图像数据信息供打算机进行剖析，如果将医学影像数据结合患者的生理体征、病史、基因信息、身份信息等非图像数据，通过人工智能算法模型进行演习和运用，则能够帮助打算机从更高维度来剖析数据和提取主要特色，更加全面展现疾病背后的隐含关联成分，赞助年夜夫对疾病状况进行更精准的剖析诊断。

影像数据挖掘加速医疗科研过程：医学影像数据挖掘指从存放在数据库或其他信息库中的大量影像数据中挖掘有代价信息的过程，其目的是探求影像数据背后的关联和模式。
打算机赞助诊断（CAD）系统的原始处理工具为医学影像信息数据库 , 对影像信息进行数据挖掘和知识创造, 能够创造个中的诊断规则和模式，加速医疗科研过程。

三、人工智能技能在医学影像中的运用分布

四、医学影像中人工智能技能落地案例简述

腾讯觅影：腾讯觅影利用腾讯优图在大数据、图像识别与深度学习方面的技能，对早期肺癌的敏感度（识别精确率）达到 85% 以上，在良性肺结核的特异性（识别精确率）超过 84%，对付直径大于 3mm 小于 10mm 的眇小结节检出率超过 95%。
博为软件：博为肝脏三维手术方案系统办理了肝脏切除手术方案设计困难问题，通过对原始的CT数据进行后处理重修为三维立体图像，精准肝脏分割与分段，自动提取肿瘤病脏，直不雅观地展示肝脏肿瘤、肝段、肝脏内部繁芜的管道解剖构造，对病例进行量化剖析，并自动天生临床脏器定量剖析报告。
Curexo：由美国 Curexo 公司制造的Robodoc紧张用于膝枢纽关头和髋枢纽关头置换手术。
RoboDoc 包括两部分：手术方案软件和手术助手，分别完成 3D 可视化的术前手术方案、仿照和高精度手术赞助操作。
RoboDoc机器人采取了四轴直角坐标工业机器人本体，利用患者股骨上插入的钛金属定位针来实现机器人与患者骨骼的相对定位，精度达到了0.1mm。
RoboDoc紧张用于枢纽关头置换术中赞助骨骼和假体的成形、定位和植入，可提高全膝（髋）置换手术的质量。
寻思考：基于宫颈细胞学领域知识，通过深度学习、机器学习、医学图像处理等技能提取宫颈细胞的关键特色，自动分割团簇重叠细胞，快速识别涂片上病变细胞的分级种别，实现宫颈细胞涂片的赞助阅片。
寻思考人工智能赞助阅片机器人可在100秒内完成单张涂片的阅片，适配海内多种制片方法，个中鳞状上皮细胞非常敏感性约为98.4%，特异性约99.77%，腺细胞非常敏感性约为93.4%，特异性靠近90%。

五、医学影像领域人工智能技能发展所遇瓶颈

1. 影像数据分散在各个机构：影像数据是演习影像智能诊断算法模型所需的核心资源，但大量的影像数据分散在各个医院、影像中央、研究机构，不易被高效整合利用。

2. 影像演习数据集标注结果存在主不雅观差异：不同年夜夫对图像的理解存在主不雅观差异性，造成标注结果的不愿定性，导致影像演习数据集的标注结果受到主不雅观成分的影响。

3. 人工智能算法模型适用的影像类型有待拓展：目前人工智能影像诊断紧张集中在X光、CT、病理领域，而在超声、MRI、PET、红外等影像领域运用较少。

六、医学影像领域人工智能技能发展的未来趋势

1. 医学影像技能进一步发展：医学影像系统中成像设备技能升级、影像设备图像处理算力增加、智能诊断软件集成病种增多、影像数据领悟运用、迁移学习加速影像诊断模型演习。

2. 人工智能在医学影像运用领域不断拓宽：除疾病的鉴别诊断外，还可运用于分子及细胞层面图像处理、运用于参与影像学、助力非外科手术方法诊断及治疗等。

3. 医学影像家当升级：区域影像数据中央培植促进区域级别影像数据流转及运用，医学影像专家团队开拓模型评估体系与统一标准作为家当界产品标准等。

本文为「智周」系列报告「核心版」，相应「深度版」的推出操持将在后续公布，敬请大家关注。
针对「医学影像中人工智能运用现状及展望」这一主题，有哪些方向或主题，你希望在报告深度版中读到更详细的阐述与剖析，欢迎留言，这将成为我们制作报告深度版的主要参考。