[00296684]智能医疗图像分割技术

技术原理 医疗图像现在已经广泛应用于临床诊断，越来越多的医疗图像带来精准诊疗的同时，也给医生带来更大的工作量。随着数据的积累，以及深度学习技术的发展，基于人工智能的医疗图像分析技术将成为医生的好帮手。它将自动的提取医疗图像中的特征，把一些更容易量化的信息反馈给医生。而医疗图像自动分割技术，是进行量化分析的重要前提。 技术先进性 基于临床采集的医疗图像（核磁共振、CT、超声等），结合人工智能技术、图像处理、深度学习、模式识别、统计分析、软件开发、云计算开发一种高灵敏度、高鲁棒性的目标自动分割算法。 本项目基于多源数据的自动与半自动标注，构建“可解释性”的深度学习模型等一系列国际领先的AI算法，基于具体应用开发解决方案。通过传统图像处理方法和深度学习方法的有机结合，从临床需求出发，从根本上突破AI算法在临床中的局限。和业内常用得方法相比，本项目可以提供可靠性更高，时间更快，可解释性更强的医疗图像分割技术，切实解决临床实践中AI技术的局限性。 应用市场 疾病筛查 我国基层医院承担了全国2/3人口的医疗卫生服务工作。但基层医院的医师业务水平有限，因此疾病的漏诊误诊几率较大中型医院高。分割任务本质上是一种像素级的分类任务，对医疗图像的像素进行分类（有病变/无病变），可以帮助医生筛查可疑病例。我们可以从大型三甲医院获取诊断数据，拟合得到一个可以和优质医院的医生相媲美的诊断精度，并将模型广泛应用于基层医院，从技术上解决医疗资源分配不均的社会问题。 提供诊断依据 多数脑疾病的诊断都将核磁图像作为重要的诊断依据，所以关于脑核磁图像处理技术的研究成为了新的图像研究热点。其中，脑组织和病灶的精确分割不仅能帮助医生快速了解病情也为后续治疗方案的确定以及3D可视化提供了重要的数据支持。比如脑卒中疾病中，出血体积的量化，就是一项分割任务。 辅助手术 肝脏肿瘤近些年越来越多，但是肝脏被部分切除之后，还可以再生。所以医生在涉及手术方案时，会希望尽可能切除肿瘤组织并多保留健康组织。三维重建时进行术前规划与模拟的有效手段，而基于CT图像进行分割，是三维重建的前提。如下图所示，红色部分为肝脏肿瘤，绿色部分为血管，灰色部分为肝脏，这样一个三维重建的结果，可以帮助医生进行术前规划。