久久久久久亚洲精品少妇_run away韩国动漫阅读免费_日韩中文字幕在线看视频免费_亚洲欧美专区精品久久_婷婷亚洲综合五月天基地

人工智能參與醫(yī)療過程首先要做的是獲得大量帶標(biāo)注的醫(yī)學(xué)影像樣本，然后嘗試在其中找到一些關(guān)鍵點(diǎn)。比如說靠近肺和靠近肝的點(diǎn)，把關(guān)鍵點(diǎn)找到以后，結(jié)合肝的形狀鮮艷模型，設(shè)定一個(gè)初始化模型，再通過機(jī)器學(xué)習(xí)的方式學(xué)到邊界應(yīng)該是怎么樣的，病變是怎么樣的，盡量的逼近它的邊界信息，再通過它的形狀特征進(jìn)行進(jìn)一步的完善，最后獲得好的分割、篩查結(jié)果。這一過程便是人工智能對(duì)圖像的定位、分類和切割。

當(dāng)我們將臟器分割、病變標(biāo)記出來以后，就知道了這個(gè)部位有沒有患病，但是并不知道是患了什么病，病情發(fā)展到了什么程度。這個(gè)時(shí)候便需要對(duì)病理圖像進(jìn)行分析，獲得輔助判斷依據(jù)。

人工智能在醫(yī)學(xué)影像領(lǐng)域目前的應(yīng)用方向主要有三類，即疾病篩查、病灶勾畫、臟器三維成像。我們總結(jié)了人工智能在醫(yī)學(xué)影像方面主要覆蓋的方式以及主要使用的醫(yī)學(xué)影像類型，接下來，我們將仔細(xì)介紹人工智能在目前最為火熱的肺部篩查、糖網(wǎng)篩查、病灶勾畫、臟器三維成像和病理分析的應(yīng)用情況。

肺部篩查

人工智能進(jìn)行肺部篩查的步驟為：使用圖像分割算法對(duì)肺部掃描序列進(jìn)行處理，生成肺部區(qū)域圖，然后根據(jù)肺部區(qū)域圖生成肺部圖像。利用肺部分割生成的肺部區(qū)域圖像，加上結(jié)節(jié)標(biāo)注信息生成結(jié)節(jié)區(qū)域圖像，訓(xùn)練基于卷積神經(jīng)網(wǎng)絡(luò)的肺結(jié)節(jié)分割器，然后對(duì)圖像做肺結(jié)節(jié)分割，得到疑似肺結(jié)節(jié)區(qū)域。找到疑似肺結(jié)節(jié)后，使用3D卷積神經(jīng)網(wǎng)絡(luò)對(duì)肺結(jié)節(jié)進(jìn)行分類，得到真正肺結(jié)節(jié)的位置和置信度。

糖網(wǎng)病篩查

糖網(wǎng)病是“糖尿病性視網(wǎng)膜病變”的簡稱，是常見的視網(wǎng)膜血管病變，也是糖尿病患者的主要致盲眼病。

因?yàn)樘蔷W(wǎng)病早期往往沒有任何臨床癥狀，而一旦有癥狀，病情已較嚴(yán)重，容易錯(cuò)過最佳治療時(shí)機(jī)。所以糖網(wǎng)病的治療效果取決于治療是否及時(shí)。但是由于我國眼科醫(yī)生匱乏、居民重視程度不高，目前我國糖網(wǎng)病篩查的比例不足10%。

糖網(wǎng)病篩查沒有大面積普及，一方面是因?yàn)獒t(yī)生少、患者多，另一方面也存在一些客觀問題：

1.糖網(wǎng)病患者基數(shù)大，增長快，眼底設(shè)備的普及速度遠(yuǎn)遠(yuǎn)無法滿足需求。但是由于眼底設(shè)備昂貴，對(duì)于欠發(fā)達(dá)地區(qū)來說，大量采購并不現(xiàn)實(shí)。

2.隨著人們對(duì)糖網(wǎng)病篩查的重視以及國家的推進(jìn)，眼底讀片的需求在增加，現(xiàn)有醫(yī)生的數(shù)量已經(jīng)無法承擔(dān)這些工作量，導(dǎo)致醫(yī)生過勞，誤診、漏診的情況出現(xiàn)。另外，有經(jīng)驗(yàn)的醫(yī)生也并不愿意一直做讀片的工作，他們希望有更多的時(shí)間做一些研究，出新的成果。這就導(dǎo)致醫(yī)生的數(shù)量更加緊張。

3.從事眼底讀片的醫(yī)生醫(yī)生培訓(xùn)速度慢，存在差異性。也就導(dǎo)致不同的醫(yī)生讀片結(jié)果存在差異，致使診斷結(jié)果缺乏定量信息。

4.眼底讀片的數(shù)據(jù)管理與分析操作難度大，目前現(xiàn)狀是數(shù)據(jù)簡單存檔保存，但數(shù)據(jù)整理工作量大，因此讀片數(shù)據(jù)再次利用難度很大。

5.糖尿病患者往往因?yàn)楦啐g或罹患全身多系統(tǒng)并發(fā)癥而出行不便，居住地又距地區(qū)內(nèi)有足夠眼病服務(wù)能力的醫(yī)療機(jī)構(gòu)較遠(yuǎn)，在醫(yī)療機(jī)構(gòu)等待或檢查時(shí)間又較長。

這些痛點(diǎn)主要原因是醫(yī)患供需不平衡導(dǎo)致的，而圖像識(shí)別是人工智能的專長，利用人工智能進(jìn)行初步篩查，將大大改善目前糖網(wǎng)病篩查的現(xiàn)狀。

靶區(qū)勾畫

靶區(qū)勾畫與治療方案設(shè)計(jì)占用了腫瘤醫(yī)生大量時(shí)間。

病人被確診為腫瘤時(shí)大多是很恐慌的，身體上出現(xiàn)一點(diǎn)風(fēng)吹草動(dòng)都要去問醫(yī)生，而著名三甲醫(yī)院的腫瘤科通常是人滿為患，醫(yī)生除了要看病，還有科研等其他的工作任務(wù)，面對(duì)病患沒完沒了追問的時(shí)候，他們也會(huì)煩躁。

基層醫(yī)療機(jī)構(gòu)腫瘤科醫(yī)生缺乏經(jīng)驗(yàn)，很多時(shí)候他們不敢輕易地為患者做治療方案，只能轉(zhuǎn)診，這又加劇了三甲醫(yī)院醫(yī)患的矛盾。所以利用新科技來提高醫(yī)生的效率，提高基層醫(yī)生治療水平與自信心是醫(yī)院很關(guān)心的事情。腫瘤治療過程中有兩項(xiàng)工作占用了醫(yī)生大量的時(shí)間和精力，他們分別是靶區(qū)勾畫與治療方案設(shè)計(jì)。

放療是腫瘤三大治療方式中最為主流的治療方式（其他兩種是手術(shù)和化療），相對(duì)于診斷，治療更切入醫(yī)療的核心。每個(gè)腫瘤病人的CT圖像在200張左右，醫(yī)生在勾畫的時(shí)候，需要給每個(gè)圖片上的器官、腫瘤位置進(jìn)行標(biāo)注。這個(gè)過程按照傳統(tǒng)的方法要耗費(fèi)醫(yī)生3-5個(gè)小時(shí)，找到腫瘤位置之后，醫(yī)生還需要根據(jù)腫瘤的大小、形狀等設(shè)計(jì)放射線的具體照射方案或者手術(shù)方案，這里面也包含了不同位置不同的放射劑量。

如果一切順利，這位患者按照醫(yī)生最初的設(shè)計(jì)方案治療、好轉(zhuǎn)，最后康復(fù)。但是有些時(shí)候事與愿違，第一個(gè)療程的治療由于靶區(qū)勾畫的不準(zhǔn)確或者腫瘤的變化，導(dǎo)致治療無效（腫瘤組織減少小于30%），這個(gè)時(shí)候就需要更改治療方案，這就需要醫(yī)生重新為病人做勾畫，做方案。

我們國家腫瘤病人平均的等待時(shí)間為2-3周，醫(yī)生把時(shí)間放在一個(gè)病人身上，另一個(gè)人就要繼續(xù)等待，而這有可能會(huì)錯(cuò)過最佳治療期。

靶區(qū)勾畫與治療方案設(shè)計(jì)具有一定的技術(shù)含量和需要醫(yī)生的經(jīng)驗(yàn)，但是其中包含了大量的重復(fù)工作，這些勞動(dòng)密集型的工作是人工智能的專長，利用AI做這些事情將節(jié)約腫瘤醫(yī)生大量的時(shí)間。

臟器三維成像

臟器三維成像是人工智能以核磁共振、CT 等醫(yī)學(xué)影像數(shù)據(jù)為基礎(chǔ)，對(duì)目標(biāo)臟器定位分割，在電腦上顯示患者的內(nèi)部情況。將病人的核磁共振、CT等病情影像數(shù)據(jù)輸入，在電腦上顯示患者的內(nèi)部情況。醫(yī)生手中的探針指向哪里，系統(tǒng)實(shí)時(shí)更新顯示，讓醫(yī)生對(duì)病人的解剖位置一目了然，使外科手術(shù)更快速、更精確、更安全。

自動(dòng)重構(gòu)器官真實(shí)的3D模型，實(shí)現(xiàn)醫(yī)生可通過專用設(shè)施，在增強(qiáng)現(xiàn)實(shí)的虛擬空間里全方位直接觀看到患者真實(shí)人體結(jié)構(gòu)的解剖細(xì)節(jié)，并可通過手勢(shì)和語音操作，實(shí)時(shí)進(jìn)行器官和病變的立體幾何分析，精確測(cè)量目標(biāo)結(jié)構(gòu)的區(qū)位、體積、徑線、距離等參數(shù)，同時(shí)還可進(jìn)行虛擬解剖作業(yè)、模擬手術(shù)切除、手術(shù)方案設(shè)計(jì)和手術(shù)風(fēng)險(xiǎn)評(píng)估。

病理分析

就算是經(jīng)過嚴(yán)格訓(xùn)練的病理醫(yī)生，他們對(duì)同一個(gè)患者的診斷也存在差異性，這種差異性是造成誤診的重要原因。例如，醫(yī)生對(duì)某些形式的乳腺癌和前列腺癌的診斷一致性低至48%。

醫(yī)生所做缺乏一致性并不奇怪，因?yàn)橐胱龀鰷?zhǔn)確的診斷，醫(yī)生必須在大量的檢查信息上進(jìn)行判斷。通常情況下，病理醫(yī)生負(fù)責(zé)審查病理切片上可見的所有生物組織，但是每個(gè)患者有很多病理切片，經(jīng)過 40 倍放大后每個(gè)切片上都有 100 多億的像素（10+gigapixels)。

想象一下要瀏覽 1000 多個(gè)百萬像素的圖片，還要為每個(gè)像素負(fù)責(zé)。這需要閱讀大量的數(shù)據(jù)，但是醫(yī)生的時(shí)間往往是不夠的。

為了解決有限的時(shí)間和診斷準(zhǔn)確性的問題，將人工智能引入數(shù)字病理學(xué)研究成為了最好的辦法。人工智能可以縮短病理診斷的時(shí)間、提升診斷效率，最主要的是，它還能提供更加準(zhǔn)確的診斷結(jié)果。人工智能的有效使用可以真正幫助病理醫(yī)生提升判讀水平，從精準(zhǔn)診斷開始，真正實(shí)現(xiàn)精準(zhǔn)醫(yī)療。

人工智能的參與給數(shù)字病理研究帶來了革命性的變化。谷歌公布了他們利用深度學(xué)習(xí)算法輔助病理醫(yī)生工作確定病理圖像是擴(kuò)散到淋巴結(jié)的乳腺癌還是擴(kuò)展到臨近乳房的乳腺癌的情況。目前國內(nèi)已有多家企業(yè)將人工智能引入到了病理學(xué)的研究。