方向军
摘要：近年来，人工智能成为学术界和工业界的研究热点，并已经成功应用于医疗健康等领域。着重介绍了人工智能在医学影像领域最新的研究与应用进展，包括智能成像设备、智能图像处理与分析、影像组学、医学影像与自然语言处理的结合等前沿方向。分析了研究和发展从源头入手的全链条人工智能技术的重要性和可行性，阐述了学术界和工业界在这一重要方向上的创新性工作。同时指出，人工智能在医学影像领域中的研究尚处于起步阶段，人工智能与医学影像的结合将成为国际上长期的研究热点。 关键词：人工智能; 医学影像; 成像方法; 图像处理与分析; 自然语言处理 1 引言 人工智能（artificial intelligence, AI）是当下学术界和产业界的一个热点。经过近几年的高速发展，深度学习已经实现了在传统的图像、视频、语音识别等领域的落地，并迅速地向文本处理、自然语言理解、人机对话、情感计算等方面渗透，并在安防、物流、无人驾驶等行业发挥了重要作用。 人口老龄化问题的显现以及人们对健康与日俱增的要求，对目前有限的医疗资源和医疗技术提出了更大的挑战。医疗领域亟需新的技术满足这些需求。与此同时，国内外与医疗相关的人工智能技术也在飞速地发展，科研和创业项目如雨后春笋，为解决医疗领域的挑战提供了新的机遇。目前已经出现了计算机辅助诊断、智能专家系统、手术机器人、智能药物研发以及健康管理等多种产品。 在众多的医疗信息中，医学影像是疾病筛查和诊断、治疗决策的最主要的信息来源。基于医学影像的诊断和治疗是一个典型的长链条、专业化的领域，涵盖了医学影像成像、图像处理与分析、图像可视化、疾病早期筛查、风险预测、疾病辅助检测与诊断、手术计划制定、术中辅助导航、随访跟踪与分析、康复计划制定等一系列方向。目前，医院存储的信息超过90%是影像信息，影像信息已经形成了巨大的数据积累。为此，基于医学影像大数据的人工智能技术与应用就成为医疗机构、科研、产业和政府共同关注的焦点。 医学影像链可以分为成像和图像挖掘两部分。首先，作为信息源头的医学成像设备，其成像质量会对后续疾病的检测、诊断与治疗起到至关重要的作用。利用AI技术可以实现医学影像成像质量的提升，AI优化的扫描工作流可以显著提高扫描效率，并使成像质量趋于标准化，从而给整个医疗健康链条带来深远的影响，具有重要的临床与科研价值。
2020年公需课程智慧医疗 智慧医疗（练习一：数字医疗影像诊断） 1、(单选，10分) 以下不属于常见的数字医疗影像技术的是（） A、X-射线 B、CT扫描 C、解剖 D、核磁共振 答案：C 2、(单选，10分) 2. 以下不属于数字医疗影像技术的临床应用的是（） A、辅助手术 B、医疗教学 C、影像报告 D、图像采集 答案：D 3、(单选，10分) 下列信息不属于目前我国医学影像行业面临两大痛点的是（） A、医学影像医生缺口大 B、效率高 C、工作繁琐重复 D、服务模式亟待创新 答案：B 4、(单选，10分) 医疗影像人工智能的三大要素是（） A、算法、数据和算力 B、算法、算力和应用 C、算法、数据和服务 D、算法、算力和效率 答案：A 5、(单选，10分) 医学影像人工智能诊断系统正确构建流程是（）①结构化数据构建②面向临床问题的模型设计③AI服务模式建立④AI算法选择和模型建立 A、②①③④ B、②①④③ C、①②④③ D、①②③④ 答案：B 6、(单选，10分) 以下不属于人工智能方法在医学图像处理中的应用领域的是（） A、图像分割 B、图像配准 C、图像重建 D、图像存储
答案：D 7、(单选，10分) 以下不属于人工智能方法给医学影像诊断过程带来的改变的是（） A、医生阅片时间变短 B、观察区域更加完整 C、诊断过程更加稳定 D、诊断准确率因个体差异较大 答案：D 8、(单选，10分) 以下不属于当前人工智能+数字医疗影像应用在服务模式中存在的问题是（） A、当前AI模型缺乏临床实验验证 B、当前AI模型设计参考最新临床指南规范较少 C、当前AI服务模式并未结合医师的实际应用情况 D、当前AI服务模式可以完全取代放射科医师 答案：D 9、(单选，10分) 传统的医学图像处理方式是由工程师们创造一套规则，算法根据规则对图像进行处理，准确率较高。 A、正确 B、错误 答案：B 10、(单选，10分) 目前医学影像领域人工智能算法快速突破，算力持续增长，如何构建强大的人工智能算法模型成为提升诊断准确度的最关键因素。 A、正确 B、错误 答案：B
目录 一、医学影像识别有望成为AI较快落地的领域 (2) 1、“人工智能+医疗”驶入快车道 (2) 2、智能影像诊断是“人工智能+医疗”较快落地的应用领域5 二、智能影像识别分类多空间大，初期格局分散 (10) 1、智能影像识别市场分类多空间大 (10) 2、行业发展初期市场相对分散，未来有望逐步走向集中13 三、国内外智能影像诊断参与方分析 (15) 四、从产业链上下游看数据与场景等核心商业要素 (19) 1、数据获取：与医疗机构合作有助于打磨产品 (20) 2、变现模式与场景：与上下游厂商合作有利于业务拓展23 五、相关投资标的 (25) 一、医学影像识别有望成为AI较快落地的领域 1、“人工智能+医疗”驶入快车道 “人工智能+医疗”快速发展。医学是一门靠归纳逻辑、经验学习、循证运用的学科，人工智能在这个行业可以发挥重要作用。同时，我国医疗资源短缺，供给严重不足，人工智能在医疗行业的应用可以提升医生工作效率，变相提升医疗资源的供给。在政策推动和算法红利的促进下，“人工智能+医疗”快速发展，根据中国数字医疗网统计，2016年中国AI+医疗市场规模达到96.61亿元，增长率为37.9％，中
国AI+医疗市场规模在持续增长，2017年将超130亿元，增长40.7％，有望在2018年市场规模达到200亿元。 图1：人工智能+医疗快速发展 人工智能在医疗行业的各环节均有应用。1>诊前：可用于个体或群体性疾病的预测，并给出健康建议。2>诊中：人工智能可以辅助诊断、辅助治疗，降低误诊率。3>诊后：能通过计算机视觉、图像识别和视频分析等渠道保证患者服药的真实性，辅助医生实现患者药物依从性的监督。4>其他环节：保险机构费用智能控制；人工智能参与到药物研发过程中，可以缩短时间、提高效率。 图2：AI+医疗的各类应用场景
《医学影像成像原理》名词解释
《医学影像成像原理》名词解释 第一章 1．X 线摄影（radiography）：是X 线通过人体不同组织、器官结构的衰减作用，产生人体医疗情报信息传递给屏-片系统，再通过显定影处理，最终以X 线平片影像方式表现出来的技术。 2．X 线计算机体层成像（computed tomography，CT）：经过准直器的X 线束穿透人体被检测层面；经人体薄层内组织、器官衰减后射出的带有人体信息 的X 线束到达检测器，检测器将含有被检体层面信息X 线转变为相应的电信号； 通过对电信号放大，A/D 转换器变为数字信号，送给计算机系统处理；计算机按 照设计好的方法进行图像重建和处理，得到人体被检测层面上组织、器官衰减系 数（|）分布，并以灰度方式显示人体这一层面上组织、器官的图像。 3．磁共振成像（magnetic resonance imaging，MRI）：通过对静磁场 （B0） 中的人体施加某种特定频率的射频脉冲电磁波，使人体组织中的氢质子（1H）受 到激励而发生磁共振现象，当RF 脉冲中止后，1H 在弛豫过程中发射出射频信号 （MR 信号），被接收线圈接收，利用梯度磁场进行空间定位，最后进行图像重 建而成像的。 4．计算机X 线摄影（computed radiography，CR）：是使用可记录并由激光读出X 线影像信息的成像板（IP）作为载体，经X 线曝光及信息读出处理，形成数字式平片影像。 5．数字X 线摄影（digital radiography，DR）：指在具有图像处理功能的计算机控制下，采用一维或二维的X 线探测器直接把X 线影像信息转化为数字信号的技术。 6．影像板（imaging plate，IP）：是CR 系统中作为采集（记录）影像信息的接收器（代替传统X 线胶片），可以重复使用，但没有显示影像的功能。7．平板探测器（flat panel detector，FPD）：数字X 线摄影中用来代替屏- 片系统作为X 线信息接收器（探测器）。 8．数字减影血管造影（digital subtraction angiography，DSA）：是计算机 与常规X 线血管造影相结合的一种检查方法，能减去骨骼、肌肉等背景影像，突出显示血管图像的技术。 9．计算机辅助诊断（computer aided diagnosis，CAD）：借助人工智能等技术对医学影像作图像分割、特征提取和定量分析等增加诊断信息，用以辅助医 生对各种医学影像进行诊断的技术。
２０１８年ＡＩ＋医学影像行业深度分析报告
主要观点 1.医学影像诊断需求迫切，“AI+医学影像”有望破解行业痛点 我国医学影像数据的年增长率约为30%，而放射科医师数量的年增长率约为4.1%，医生缺口日益增加，繁重的任务带来较高的误诊、漏诊率，人工智能技术在医学影像领域的应用有望破解行业痛点，提高效率，提升质量。若人工智能在影像诊断领域渗透率稳步提升，有望带来“AI+医学影像”诊断市场快速增长。 2.政策、技术双重驱动，“AI+医学影像”蓄势待发 从政策层面来看，国家近年来陆续出台系列政策高度支持医学影像行业以及“AI+医疗”的发展，7月出台的《新一代人工智能发展规划》再次对人工智能多个领域发展提出更高要求，针对“AI+医学影像”行业的具体扶植政策也有望快速出台。从技术层面来看，大量深度学习平台和框架开源降低基础算法门槛，GPU、FPGA、ASCI等处理器的性能快速提升，医学影像领域算力不断突破，目前企业发展的瓶颈在于高质量数据的获取和标注。随着医疗进入大数据时代，数据的质量和规模将实现快速提升，同时，影像数据联网及云平台推进助力数据价值更快提升，有望带来“AI+医疗影像”行业加速发展。 3.科技巨头加速跑马圈地，创业公司受资本热捧 “AI+医疗影像”市场百家争鸣，目前尚未出现占据绝对优势地位的领跑企业。IBM Watson、谷歌、腾讯、阿里、科大讯飞等具备技术优势和资源整合实力的科技巨头近年来纷纷以医疗影像为突破口布局医疗人工智能领域，在技术和产品上不断取得快速发展。同时，2016年下半年以来，“AI+医学影像”已成为创业资本的投资风口，无论是从投资数量还是金额上，都可以看出其火热程度，有助于医疗影像人工智能更快推进。 4.商业模式逐渐明晰，平台分成与技术授权各具潜力 “AI+医学影像”已走出实验室，产品逐步落地，商业模式逐渐明晰。目前来看，主要的商业模式包括平台分成模式及技术解决方案两种。我们认为对接基层医院、民营医院，收取诊断服务费用的商业模式较为理想，一方面，平台分成式的商业模式具有典型的边际成本递减的特征，且可涵盖B2B 及B2B2C领域；另一方面，基层医疗市场对于人工智能医学影像的需求迫切，市场空间广阔。在技术突破、数据获取、资源整合方面具备优势，并快速推进取得明显先发优势的公司最具潜力。同时，技术解决方案针对大型医院、影像设备厂商具备吸引力，具备明显技术优势的公司通过技术授权模式变现。 5.投资建议： 人工智能在医学影像领域落地可能性较大，在技术突破、数据获取、资源整合方面具备优势，并快速推进取得明显先发优势的平台型公司最具潜力，同时，技术明显领先的公司有望通过技术授权获得变现。推荐万东医疗、科大讯飞、东软集团。一级市场建议关注推想科技、依图科技、雅森科技、健培科技、汇医慧影。 6.风险提示： 技术进步不达预期；资源整合速度不达预期；市场竞争程度超出预期
人工智能在医学影像中的应用 摘要：本文主要介绍了人工智能在医学影像中被引入的历史机遇以及当前人工智能在医学影像中的具体应用方面，最后分析了当前人工智能应用于医学影像过程中存在的问题。关键词：人工智能；医学影像；应用研究当前人工智能技术日趋成熟，开始被应用于社会各个行业中，在人工智能技术与医学结合后，人工智能在医学摄影方面开始发挥出重要作用，尽管如此，当前在医学摄影中应用人工智能技术依旧存在部分问题需要解决。一、人工智能被应用到医学影像的机遇（一）医学摄影数据量庞大数据是人工智能发展的基础，同时强大的数据记录及分析功能也是人工智能被重视的原因。在医学中存在大量的检测数据，基于检测数据医生能够快速诊断病人病情，而在医学中检测数据主要来源于医学摄影，包括：CT、X射线等，随着我国老龄人增加以及人们对于健康的重视，当前医学影像需求量也随着增加，在大型医院，每年医疗数据甚至超过了1PB，医学影像数据量庞大的需求给医学摄影带来了发展的基础。（二）临床需要传统的医学摄影中，在摄影结束后，相关的医学报告需要由专业的摄影医生根据其经验进行诊断。然而面对人们对于医学摄影大量的需求增长，我国摄影医生的增长率仅有4%，特别是经验丰富的影像医生尤其缺乏，因此在医学摄影中使用人工智能技术在提升诊断正确率的同时还能够减轻影像医生的工作负担，使医院影像诊断效率得到显著提升。（三）人工智能基础日益成熟人工智能技术经过多年的发展，在软件和硬件设施方面均有了大幅提升，算法和数据处理模型也更加成熟，特别是近些年，人工智能技术在图像识别以及深度学习等方面的提升，使得人工智能处理数据时的准确性也获得了很大的提高，因此当前人工智能在医学方面的应用主要集中在医学摄影中，为摄影医生进行诊断提供辅助。（四）政府支持由于人工智能在医学中的重要作用引起了政府的重视，政府出台了相关文件对人工智能在医学发面的应用和发展进行了明确的规定，并指定了腾讯公司作为人工智能医疗平台的建设者，政府的支持和引导无疑加速了我国人工智能在医学中的应用和发展。二、人工智能在医疗中的具体应用（一）计算机辅助诊断计算机辅助诊断系统将图像处理、计算机视觉、医学图像分析等有效结合，通过系统处理后对异常征象进行标注，通过这些异常情况标注，医生能够快速发现病人病因以及病灶存在的位置，以提升医生诊断的效率和准确率。计算机辅助诊断系统早在20世纪60年代就出现了，受到当时计算机技术的限制，当时计算机辅助诊断系统的发展进程非常缓慢，直到20年世纪80年代开始，由于计算机水平大幅提升，加之人们对于计算机辅助系统的重视，计算机辅助诊断系统获得了飞速的发展，随着人工智能深度学习和图像识别的突破、大量医学数据的积累，以及算法技术的进步，当前计算机辅助诊断系统的准确率获得了明显的提升，因此计算机辅助诊断技术开始被应用于实际的临床诊断中，在肺结节和肺癌筛查、乳腺癌筛查和前列腺癌影像诊断中应用较广，且准确率较高，以计算机辅助技术在乳腺癌辅助诊断中为例，计算机诊断速度是普通影像医生的30倍，而准确率高达99%。尽管如此，当下计算机辅助诊断系统在识别和切割的过程中仍需要专业的医生配合才能够实现。（二）影像组学影像组学来源于计算机辅助诊断系统，是一种大数据分析算法。通过影像组学是从大量的医学数据中提取所需的数据，并对这些数据进行深入的发掘，以发现以往医生们在诊断以及计算机辅助诊断系统所不能发现的信息，使得医学诊断结果更加准确。影像组学主要分为以下步骤：首先是通过图像识别技术对病人的相关医学摄影图片信息进行识别和记录，其次是对图
2017年中国AI+医学影像行业未来发展趋势分析 2017年12月27日 政策、技术双重驱动，“ AI+医学影像”蓄势待发 一、国家高度支持，具体产业扶植政策有望加速出台 国务出台系列政策支持医学影像行业的发展。从20XX年到2017年，国务院、 发改委、国家食品药品监督总局、卫计委不断出台政策支持医学影像行业的发展。 针对性政策涉及：医学影像设备、独立影像中心、线上影像平台、影像信息化，包括鼓励公立医院采购国产医疗设备、扶持民营医院新增设备需求；加强医疗信息化建设基础，构建云端医疗数据库，推动医疗大数据的应用开发等；全面推进分级诊断，鼓励民营资本流入建设独立检查检验中心、远程医疗等。 国家对医疗领域提出人工智能发展要求。 2016年以来，国家对于医疗领域提出明确的人工智能发展要求，包括对技术研发的支持政策，就相关技术和产品提出健康信息化、医疗大数据、智能健康管理等具体应用，并针对医疗、健康及养老方面提出较为明确的人工智能应用方向。2017年7月，国务院发布《新一代人工智能规划》，人工智能上升至国家战略层面，人工智能在医疗领域的应用有望进入新的快速发展阶段。 国家对医疗领域提出人工智能发展要求 数据来源：公开资料整理 目前，国家政策高度支持医学影像行业以及“ AI+医疗”的发展，接下来，预计国家将在《新一代人工智能发展规划》等产业指导性文件的基础上，出台一批具体的产业推进措施，针对“AI+医学影像”行业的具体扶植政策也有望适时推出，促进人工智能在医学影像领域的应用与发展。 二、算力算法快速迭代，“ AI+医疗影像”期待大数据引爆
医学影像在医疗AI领域技术成熟度最高，有望最先实现商业化。动脉网蛋壳研究院发布“人工智能+医疗技术成熟度分布曲线”，“ AI+医疗影像”在医疗领域成熟度最高，在曲线上处于过高期望的峰值位置。其判断依据为： 1）从医疗影像类的企业入驻医院数量来看，目前国内科研能力较强，医疗水平 靠前的大型医院几乎都已经和企业开始了相关的临床实验，首批种子用户活跃度 已经达到了顶峰； 2）相关领域的大规模媒体报大约出现在 2015?2017年，目前在一个平稳的高峰期。我们认为，人工智能在医学影像领域热度较高一方面是技术储备相对丰富，特别是静态图像识别尽快的快速发展以及 2017年以来AI应用于医学影像多个领域识别准确度的大幅提升，另一方面则是AI+医学影像的商业模式可行性相对较咼。 人工智能+医疗技术成熟度分布 数据来源：公开资料整理算法、算力和数据被认为是人工智能的三大核心要素，数 据量的增长、运算力的提升和深度学习算法的优化将带来人工智能效率的持续提升。目前医学影像领域 算法快速突破，算力持续增长，如何获取足够丰富且高质量的医疗影像数据成为提升诊断准确度的最关键因素。 1、大量深度学习平台和框架开源降低技术门槛 人工智能的核心之一是算法，深度学习是目前最重要的人工智能算法之一。深度学习以数据为基础，由计算机自动生成特征量，不需要人来设计特征量，而是由计算机自动获取高层特征量，深度学习代表的“特征表示学习”是一次历史性的突破。 深度学习是人工智能技术的历史性突破
医学影像AI研发现状和展望 医生认为存在哪些问题？第一是没有行业标准，第二是AI与临床医生承担的法律责任划分，第三是医生缺乏相应AI的知识，第四是AI产品的可信度还达不到。 离我们临床或者是落地最接近的AI技术就是肺结节，其次就是糖网筛查，其他还有骨骼，越往后的离我们临床越远。 中国医学影像AI公司是很多的，美国反而很少。但是要注意，美国的这些公司都是拿到FDA证的，中国的公司虽然多但还没有一个拿到证的。虽然我们繁荣，但还没有落地。 现在可能大家都意识到了，单病种是不符合我们临床场景的，需要多任务学习。多病种的学习才符合我们的临床场景。 现在核心是数据，是医生，但是未来核心在于科学家，只有最核心的算法突破、技术突破，才能带来行业的革命。 只要找到了付费的方式，才有AI企业的未来。
2016年上半年，AlphaGo战胜李世石带给医学影像的挑战，当时有人不理解AI 跟医学有什么关系。 现在大家觉得AI是我们人类的助手，AI会改变我们工作方式，改变医学影像的状态，所以我们要去拥抱它、参与它，对未来充满着憧憬。所以，从RSNA年会的主题就可以看到我们对于AI观念的转变。 AI在中国医院的现状调研 大家都知道，发展AI作为国家战略是非常坚定的。中国从事AI的公司有1500多家，从事AI影像的公司也有很多。但是，AI在医学上到底有什么需求？今年，中国医学影像AI产学研用创新联盟（CAIERA）联合中华医学会放射学分会与中国医学装备协会人工智能联盟，联合搞了一个调研。 这次调研我们回收了医生问卷5142份，企业问卷50多份，研究所问卷120多份。其中，四川省和安徽省在参与和完成问卷数量上分别排第一位，云南在医生注册上排在前面，虽然云南省不大，但是填写问卷的数量排在第二位。 在参与调研的医院中，二级医院占48.41%，三级医院占47.81%，基本上是五五开的样子。三级医院完成问卷的情况更好一些。这些医院是否跟相关企业或者科研院所合作过？结果显示，没有合作过的有84%，所以空间很大，值得大家去耕耘。 在被调研的医生感兴趣AI领域，腹部最多，有56%；其次是心胸45%、骨关节36%、神经35%、头颈29%、乳腺14%、儿科12%等等。 AI应用过程中，医生认为存在哪些问题？第一个是没有行业标准，第二个是AI与临床医生承担的法律责任划分，第三个是医生缺乏相应AI的知识，第四个是AI产品的可信度还达不到。 这份调研报告加起来有50多页，还没有正式发布，我仅仅简单介绍了其中2页的内容，给大家透露一点信息。相关结果详情我们会选择一个合适的时机发布，希望调对医学影像AI的布局有所帮助。 刚需在哪？企业下一步如何布局？ 中国医学影像需求很大，但是服务跟不上，很多AI公司在这个领域发展，是所有影像科医生的福音。大量的公司投入其中，必然有更多的机会解决我们的痛点。我们研究了一下中国医疗领域AI公司布局的方向，发现他们集中在头部、胸部、盆腔、四肢关节。最多投入的就是肺结节以及肺部相关疾病，其次是脑出血，盆腔的主要是前列腺、直肠，骨关节主要围绕骨折和骨龄。