处理超声图像_当超声穿上人工智能的“外衣” 这些问题便迎刃而解

在进入主题之前，小编先用一张图来复盘一下昨晚直播的重点。

昨天直播课堂的概要

医学影像由于它的特点，成为了近年来「AI+医疗」细分赛道中最火热的领域。

人工智能与医学影像相结合，能够为医生的阅片提供辅助参考，节约了医生与患者的时间，提高了诊断、放疗及手术的精确度。

AI 在医学影像中的应用场景

我们上周说到人工智能在医学影像的诊断环节中，主要有「图像识别」和「深度学习」两方面的应用——

图像识别的主要目的是将影像进行分析，获取一些有价值的信息；而深度学习则是指应用于学习和分析的环节，通过大量的影像数据和诊断数据，不断对神经元网络进行深度学习训练，促使其掌握诊断能力。

如果再往深处挖掘，往下细分，运用人工智能技术可以解决「医学影像」的应用场景中的以下需求，如下图所示。

「AI+医学影像」应用场景(图中的人工智能指图像识别技术)

除此之外，应用人工智能通常还能优化图像质量，使成像更为清晰。

如今在医学影像领域，尤其是在超声设备市场，许多诸如 G.P.S 的超声巨头都开始研发便携化的超声仪器，在这种趋势下，如何在不牺牲成像质量的同时把设备体积变小一直是困扰研发人员的问题之一。

因此，运用人工智能技术是解决这一难题的有效方式之一。

AI 在超声领域的应用

医学影像主要包括 X 光成像、CT 成像、核磁共振成像(MRI)以及超声等，其中人工智能在超声领域中的应用格外受到行业的重视，「AI+超声」将是本文叙述的重点。

一 为什么「AI+超声」受到重视

一方面，相较于其它影像，超声自身具有无创性、无辐射、影像实时获取和没有已知副作用等优点与特点。

另一方面，医用超声设备市场规模足够大：预计今年全国预计今年，全国医用超声诊断设备的市场规模将达到 91 亿元，年均复合增长率为 5.7%。

再者，在“医改”的大背景下，「AI+超声」十分契合「分级诊疗」政策：当前我国优质医疗资源分配不均，通过人工智能辅助诊断系统，可帮助基层医生解决实时诊断的问题，这可能是缓解基层医疗超声专家短缺的一种方法。

二 如何用 AI 解决超声市场的痛点

整体来讲，超声市场主要有两方面的痛点：一是基层缺乏优秀的超声医师，二是超声图像质量效果欠佳。运用人工智能技术是解决这些痛点的“捷径”，同时相较于台超，便携式 / 掌式超声设备更便于下沉到基层。

针对第一个痛点，子询的解决方法是利用「AI+超声图像辅助诊断」，通过比对医疗影像数据库，从而做出准确的诊断分析，辅助医生提高诊断的成功率。

而针对第二个痛点，子询运用「超声数据算法」对汇集起来的超声影像进行优化处理，通过改进数据源来提高输出数据的质量。

现在市面上的手持超声一般可达到 32 通道扫描，子询的手持超声系统通过搭载全球顶尖的高度集成芯片，在不牺牲图像质量的前提下，同时具有中高端超声系统的部分特性，最高可达 128 通道，性能指数远超业界同类产品。

「AI+超声」赛道上的玩家

根据动脉网不完全统计，进军「AI+超声」领域的公司有医疗器械巨头公司如三星医疗、西门子医疗、迈瑞医疗等；国外初创公司如 Bay Labs；以及国内的一些如推想科技等创业公司。

我们例举了两家国外企业在「AI+超声」领域的研发思路。

Bay Labs 与 三星医疗在「AI+超声」的研发思路

企业都试图通过人工智能打开市场，提升自我竞争力，毕竟「AI+超声」是个需求大、政策利好的领域。不过目前大部分企业对于「AI+超声」的研究还在初级阶段，距离产品落地还有很长一段路要走。