隨著AI算法的高速發(fā)展，醫(yī)學(xué)影像AI診斷技術(shù)已經(jīng)實(shí)現(xiàn)了前所未有的飛躍，能夠極大地提高醫(yī)生工作效率及診斷準(zhǔn)確率，同時有助于提升基層醫(yī)院及醫(yī)療資源欠缺地區(qū)的診斷效率。醫(yī)學(xué)影像AI輔助診斷是未來醫(yī)療診斷自動化的發(fā)展趨勢，目前已經(jīng)有很多研究機(jī)構(gòu)和公司在積極開展醫(yī)學(xué)影像AI輔助診斷的技術(shù)的研究。

?

　　醫(yī)學(xué)影像AI輔助診斷的應(yīng)用一般分三步進(jìn)行：一是醫(yī)學(xué)影像資料的處理過程，目的是把所有特征的醫(yī)學(xué)影像檢查結(jié)果和一些臨床表現(xiàn)、體征等資料提取出來；二是圖像特征的提取過程，目的是用計(jì)算機(jī)對病人數(shù)據(jù)進(jìn)行特征提取并量化處理；三是數(shù)據(jù)處理過程，即將第二步獲得的數(shù)據(jù)資料輸入神經(jīng)網(wǎng)絡(luò)等各種智能算法中實(shí)現(xiàn)AI診斷。以人工智能診斷肺栓塞為例，診斷過程大致分為圖像預(yù)處理、肺血管分割、動靜脈分離以及檢測肺栓塞(包括特征提取與分類)，更進(jìn)一步將包括栓塞嚴(yán)重程度量化與3D栓塞影像仿真。智能診斷過程中涉及的技術(shù)難點(diǎn)包括肺血管的分割、動靜脈分離、肺栓塞的特征提取、疾病分類等。

　　如何高精度、高效率的實(shí)現(xiàn)圖像分割、特征提取、病灶識別等是醫(yī)學(xué)影像AI輔助診斷的核心技術(shù)，目前的研究集中在以卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Network, CNN）為代表的深度學(xué)習(xí)算法上。卷積神經(jīng)網(wǎng)絡(luò)最擅長的就是圖片的處理，它能夠有效的將大數(shù)據(jù)量的圖片降維成小數(shù)據(jù)量，能夠有效的保留圖片特征，符合圖片處理的原則，故而可廣泛用于醫(yī)學(xué)影像的全流程。

　　三聚陽光研究咨詢團(tuán)隊(duì)在為某創(chuàng)新主體提供醫(yī)學(xué)影像AI輔助診斷系統(tǒng)研發(fā)專利布局服務(wù)的過程中，通過分析AI輔助診斷的專利發(fā)展歷程、技術(shù)發(fā)展線路，并繪制AI診斷重點(diǎn)企業(yè)的專利布局地圖，找出AI診斷技術(shù)的未來發(fā)展趨勢、熱點(diǎn)技術(shù)及技術(shù)空白點(diǎn)，以此為基礎(chǔ)，協(xié)助客戶在AI診斷領(lǐng)域確定研究方向、提前規(guī)劃專利布局和確立競爭優(yōu)勢。