智慧醫(yī)學(xué)影像科技發(fā)展報(bào)告

智慧醫(yī)學(xué)影像科技發(fā)展報(bào)告健培科技程國(guó)華＋I(xiàn)T互聯(lián)/物聯(lián)網(wǎng)、傳感器、芯片、算法影像X光、核磁、超聲熱成像、光學(xué)等＝智慧醫(yī)學(xué)影像3醫(yī)學(xué)影像科技發(fā)展背景1醫(yī)學(xué)影像應(yīng)用現(xiàn)狀2醫(yī)學(xué)影像大數(shù)據(jù)時(shí)代3醫(yī)學(xué)影像分類與檢索4深度學(xué)習(xí)與醫(yī)學(xué)影像診斷5醫(yī)學(xué)影像與精準(zhǔn)醫(yī)療6醫(yī)學(xué)影像科技發(fā)展背景1醫(yī)學(xué)影像市場(chǎng)空間和規(guī)模醫(yī)學(xué)影像設(shè)備全球市場(chǎng)增長(zhǎng)趨勢(shì)全球醫(yī)學(xué)影像設(shè)備市場(chǎng)從2012年起一直保持23.6%的速度增長(zhǎng)預(yù)計(jì)到2020年達(dá)到490億美元；國(guó)內(nèi)占市場(chǎng)的12%，如圖。醫(yī)學(xué)影像輔助軟件市場(chǎng)全球醫(yī)學(xué)影像軟件市場(chǎng)從2012年的17億美元上升到2017年的25億美元；國(guó)內(nèi)目前還缺乏具體的數(shù)據(jù)，但從公開的799家三甲醫(yī)院來看，醫(yī)學(xué)影像占全院總收入在20%左右，僅次于藥品，且增速遠(yuǎn)高于藥品。醫(yī)學(xué)影像市場(chǎng)空間和規(guī)模智慧醫(yī)學(xué)影像新機(jī)遇

國(guó)內(nèi)：醫(yī)學(xué)影像項(xiàng)目有8個(gè)，發(fā)生融資交易的有10起，共計(jì)融資超6000萬(wàn)人民幣，分別是醫(yī)聯(lián)、云醫(yī)、匯醫(yī)慧影、艾佩克、海納醫(yī)信、醫(yī)圖、醫(yī)庫(kù)網(wǎng)、醫(yī)酷，項(xiàng)目融資大多在早期階段；

國(guó)外：醫(yī)學(xué)影像領(lǐng)域發(fā)生融資交易的有25起，獲得融資的項(xiàng)目有10個(gè)（包括一個(gè)收購(gòu)案），共計(jì)融資超2.3億美元。2015年上半年國(guó)內(nèi)國(guó)外融資情況醫(yī)學(xué)影像6個(gè)階段與互聯(lián)網(wǎng)醫(yī)療7個(gè)重要領(lǐng)域中外醫(yī)學(xué)影像產(chǎn)業(yè)發(fā)展對(duì)比項(xiàng)目美國(guó)中國(guó)臨床地位在臨床診斷中具有重要地位，放射診斷醫(yī)師收入排在前三未得到足夠重視，影像醫(yī)師收入偏低教育影像醫(yī)學(xué)教育有嚴(yán)格的準(zhǔn)入和評(píng)估標(biāo)準(zhǔn)，學(xué)時(shí)長(zhǎng)，要通過嚴(yán)格的認(rèn)證體系人才培訓(xùn)未形成體系，各地人才缺乏，區(qū)域差異大診斷水平因教育培訓(xùn)體系嚴(yán)格，執(zhí)業(yè)醫(yī)師水平更為均衡影像醫(yī)師診斷水平級(jí)別差異大，地區(qū)差異大服務(wù)費(fèi)用拍片和閱片分別計(jì)費(fèi)拍片收費(fèi)，無(wú)閱片費(fèi)用數(shù)字化一次拍片包括幾百上千張DICOM影像圖片（送光盤），專家可據(jù)此對(duì)病灶進(jìn)行專業(yè)分析、三維重建，方便患者尋求其他醫(yī)院專家閱片診斷。大部分醫(yī)院只發(fā)影像膠片，不提供患者完整影像光盤交換能力有更健全的PACS系統(tǒng)，更好支持遠(yuǎn)程診斷/會(huì)診等轉(zhuǎn)診往往需要重復(fù)拍片，影像資料不能共享相比美國(guó)，受國(guó)內(nèi)現(xiàn)有醫(yī)療體系和大環(huán)境的限制，在醫(yī)學(xué)影像診斷服務(wù)領(lǐng)域存在較大的差距，改進(jìn)潛力巨大。醫(yī)學(xué)影像App功能分布與對(duì)比醫(yī)學(xué)影像APP疾病科目國(guó)外（%）國(guó)內(nèi)（%）全科疾病7067胸部疾病50皮膚疾病513口腔疾病40肺部疾病30腰部與盆腔疾病30急診胸部疾病30外傷30闌尾炎10腦疾病10神經(jīng)科疾病10腫瘤10整形17嬰兒檢測(cè)07發(fā)現(xiàn)涉及醫(yī)學(xué)影像app：國(guó)內(nèi)有15個(gè)和海外有84個(gè)，從數(shù)量和功能上都反映我國(guó)醫(yī)學(xué)影像應(yīng)用的整體水平還處于起步階段?，F(xiàn)在越來越多的消費(fèi)者已經(jīng)開始使用可穿戴設(shè)備來管理他們的健康狀況，可以通過智能手機(jī)應(yīng)用程序跟蹤用戶日?；顒?dòng)與熱量攝入、燃燒情況，或者根據(jù)活動(dòng)數(shù)據(jù)來監(jiān)測(cè)心率、體溫……這些可穿戴健康醫(yī)療設(shè)備除了給普遍大眾帶來不少健康幫助外，也給不少中老年人用戶帶來了福音。個(gè)性化、定制化、精準(zhǔn)化醫(yī)療成為必然趨勢(shì)。OtoHome檢耳鏡最新醫(yī)學(xué)影像app應(yīng)用智能手機(jī)腦部掃描儀便攜式超聲設(shè)備iPhone皮膚掃描皮血管鏡發(fā)展現(xiàn)狀2醫(yī)用顯示屏便攜終端灰階顯示屏新型數(shù)碼激光膠片數(shù)字化顯示膠片輸出化學(xué)膠片彩色環(huán)保高清經(jīng)濟(jì)非化學(xué)反應(yīng)健培醫(yī)用膠片可視化應(yīng)用——影像顯示可視化應(yīng)用——影像三維重建全身3D影像顯示左側(cè)為標(biāo)準(zhǔn)二維超聲心動(dòng)圖，右側(cè)為三維超聲心動(dòng)圖四維彩超三維全息技術(shù)目前已成為世界各大公司關(guān)注的熱點(diǎn)。應(yīng)用全息影像技術(shù)，醫(yī)生可從不同視角查看醫(yī)學(xué)圖像。以色列公司RealViewImaging、美國(guó)公司EchoPixel等正在將全息影像技術(shù)從研究推向應(yīng)用。RealViewImaging的三維全息技術(shù)及其應(yīng)用可視化應(yīng)用——影像三維全息近年來，隨著國(guó)家政策扶持力度加強(qiáng)，中醫(yī)體質(zhì)的相關(guān)研究成為目前中醫(yī)領(lǐng)域研究的熱點(diǎn)。各種研究正在逐步證實(shí)紅外影像與中醫(yī)體質(zhì)之間的聯(lián)系。健培中醫(yī)影像智能診斷系統(tǒng)為亞健康檢測(cè)、疼痛和動(dòng)靜脈血管功能的監(jiān)測(cè)、急慢性炎癥以及腫瘤的療效等中醫(yī)診療提供了量化評(píng)估依據(jù)。可視化應(yīng)用——中醫(yī)理論可視化醫(yī)學(xué)影像輔助——診斷醫(yī)學(xué)影像輔助診斷根據(jù)醫(yī)學(xué)影像提供的信息，按照不同疾病的臨床影像特征做出判斷，從而輔助醫(yī)生對(duì)病情做出更精確的判斷。其應(yīng)用到的技術(shù)包括圖像分析、圖像檢索等。目前西門子開發(fā)CADVision自動(dòng)分析乳腺癌發(fā)生率；IBM利用Watson的智能計(jì)算能力來分析醫(yī)學(xué)影像為醫(yī)生提供大量輔助醫(yī)療數(shù)據(jù)。使用MediaCybernetics的ImagePro對(duì)醫(yī)學(xué)圖像進(jìn)行分析醫(yī)學(xué)影像輔助——治療在疾病的治療和手術(shù)過程中，醫(yī)生往往需要對(duì)特定部位進(jìn)行操作、對(duì)病情變化進(jìn)行監(jiān)測(cè)、對(duì)不同器官自動(dòng)識(shí)別和跟蹤。微軟公司、美國(guó)國(guó)家影像引導(dǎo)治療中心NCIGT等正在研發(fā)一系列基于醫(yī)學(xué)影像分析及圖像識(shí)別技術(shù)的醫(yī)學(xué)輔助產(chǎn)品。微軟InnerEye項(xiàng)目使用圖像分析技術(shù)識(shí)別人體器官并輔助醫(yī)生進(jìn)行手術(shù)醫(yī)學(xué)影像技術(shù)的發(fā)展為醫(yī)學(xué)教學(xué)提供了先進(jìn)手段。除了利用傳統(tǒng)的二維和三維醫(yī)學(xué)影像技術(shù)來實(shí)現(xiàn)醫(yī)學(xué)院教學(xué)外，微軟等公司還利用全息影像來幫助醫(yī)學(xué)院的教學(xué)任務(wù)。微軟目前發(fā)布了面向醫(yī)學(xué)應(yīng)用方向的全息眼鏡Hololens，其用于醫(yī)學(xué)教學(xué)的功能包括：骨肉分離、器官分離、傷情對(duì)比展示等。微軟Hololens實(shí)現(xiàn)三維全息教學(xué)實(shí)踐醫(yī)學(xué)影像輔助——教學(xué)PACS廠商：國(guó)內(nèi)：沈陽(yáng)東軟、北京天健、上海岱嘉、杭州健培、西安華海、福建實(shí)達(dá)、深圳安科信息、成都金盤、上海英飛達(dá)、深圳藍(lán)韻、常州金馬揚(yáng)名等。國(guó)外：GE、西門子、富士、銳科、AGFA等。杭州健培HealthViewTM智慧影像云平臺(tái)基于云計(jì)算的醫(yī)學(xué)影像整體解決方案新趨勢(shì)：云計(jì)算平臺(tái)、海量存儲(chǔ)、在線閱片、信息共享、遠(yuǎn)程服務(wù)、影像交互、分級(jí)診療、智能輔助診斷等。互聯(lián)網(wǎng)＋醫(yī)學(xué)影像——PACS 移動(dòng)閱片：建立云端影像系統(tǒng)，克服時(shí)間和地域上的限制，實(shí)現(xiàn)影像數(shù)據(jù)共享，移動(dòng)終端隨時(shí)隨地查閱影像資料。遠(yuǎn)程影像會(huì)診：影像數(shù)據(jù)共享，實(shí)現(xiàn)交互式的遠(yuǎn)程診斷、遠(yuǎn)程會(huì)診互聯(lián)網(wǎng)＋醫(yī)學(xué)影像——移動(dòng)閱片和遠(yuǎn)程會(huì)診交流共享，提供分享傳遞醫(yī)學(xué)影像的工具；專注于醫(yī)學(xué)影像資料數(shù)據(jù)庫(kù)、醫(yī)學(xué)教育；基于在線影像的影像診斷功能。Figure1ImageInboxMobileMIMJackImagingRadiopaediaResolutionMDVisualDx國(guó)外醫(yī)學(xué)影像輕盈醫(yī)學(xué)丁香客杏樹林國(guó)內(nèi)醫(yī)生站互聯(lián)網(wǎng)＋醫(yī)學(xué)影像——APPFigure1MobileMIMOsiriXHD互聯(lián)網(wǎng)＋醫(yī)學(xué)影像——APP人機(jī)接口的內(nèi)容 計(jì)算機(jī)提供“環(huán)境”，不是“數(shù)據(jù)”，“信息”。人機(jī)接口的形式 操作者由視覺、聽覺、力覺感知環(huán)境，由自然動(dòng)作操作環(huán)境。人機(jī)接口的效果 逼真的感知和自然的動(dòng)作，身臨其境的感覺。lmmersion(沉侵)，身臨其境的感覺。lnteraction(交互)，用戶感知與操作環(huán)境。lmagination(想象)，啟發(fā)性、廣闊的可想像空間。虛擬現(xiàn)實(shí)的特點(diǎn)虛擬現(xiàn)實(shí)（VirtualReality,VR）技術(shù)以可視化醫(yī)學(xué)影像為載體，集聽、觸、嗅、味等多種感知能力為一體，虛擬醫(yī)學(xué)實(shí)驗(yàn)、培訓(xùn)、診斷和治療的環(huán)境，是電腦模擬出來的一個(gè)三維空間的虛擬世界。虛擬現(xiàn)實(shí)在醫(yī)學(xué)影像中的應(yīng)用1.虛擬人體解剖2.遠(yuǎn)程手術(shù)4.虛擬教學(xué)平臺(tái)3.虛擬手術(shù)虛擬現(xiàn)實(shí)在醫(yī)學(xué)影像中的應(yīng)用以課堂教學(xué)為主，再結(jié)合掛圖、模型、標(biāo)本、人體等輔助教學(xué)工具進(jìn)行教學(xué)，并配以費(fèi)用較高的動(dòng)物實(shí)驗(yàn)、尸體解剖來加深學(xué)生的理解。中醫(yī)傳統(tǒng)教學(xué)方法3D穴位圖虛擬人體經(jīng)絡(luò)圖中醫(yī)虛擬現(xiàn)實(shí)教學(xué)方法虛擬現(xiàn)實(shí)在中醫(yī)領(lǐng)域的應(yīng)用醫(yī)學(xué)影像大數(shù)據(jù)31.Volume2.Variety3.Value4.Velocity結(jié)構(gòu)化數(shù)據(jù)、半結(jié)構(gòu)化數(shù)據(jù)和非結(jié)構(gòu)化數(shù)據(jù)如今的數(shù)據(jù)類型早已不是單一的文本形式，訂單、日志、音頻，對(duì)處理能力提出了更高的要求沙里淘金，價(jià)值密度低以視頻為例，一部一小時(shí)的視頻，在連續(xù)不間斷監(jiān)控過程中，可能有用的數(shù)據(jù)僅僅只有一兩秒。如何通過強(qiáng)大的機(jī)器算法更迅速地完成數(shù)據(jù)的價(jià)值“提純”是目前大數(shù)據(jù)洶涌背景下亟待解決的難題實(shí)時(shí)獲取需要的信息大數(shù)據(jù)區(qū)分于傳統(tǒng)數(shù)據(jù)最顯著的特征。如今已是ZB時(shí)代，在如此海量的數(shù)據(jù)面前，處理數(shù)據(jù)的效率就是企業(yè)的生命數(shù)據(jù)量巨大全球在2010年正式進(jìn)入ZB時(shí)代，IDC預(yù)計(jì)到2020年，全球?qū)⒖偣矒碛?5ZB的數(shù)據(jù)量醫(yī)學(xué)影像大數(shù)據(jù)——大數(shù)據(jù)的“4V”特征建立統(tǒng)一的通訊標(biāo)準(zhǔn)。采用不同的設(shè)備、架構(gòu)，因此具有異構(gòu)性，必須統(tǒng)一通訊標(biāo)準(zhǔn)。減少醫(yī)學(xué)影像的壓縮損失。醫(yī)學(xué)影像資料所占的存儲(chǔ)空間大，因此在存儲(chǔ)和傳輸?shù)倪^程中需要壓縮。存儲(chǔ)介質(zhì)和存儲(chǔ)架構(gòu)的新要求。醫(yī)學(xué)影像很大，會(huì)延長(zhǎng)讀取的時(shí)間，因此對(duì)于存儲(chǔ)介質(zhì)的I/O速度提出了新的要求。大數(shù)據(jù)影像的關(guān)鍵技術(shù)存儲(chǔ)和傳輸醫(yī)學(xué)影像數(shù)據(jù)挖掘是非結(jié)構(gòu)數(shù)據(jù)挖掘，必須進(jìn)行預(yù)處理，以生成可用于高層次挖掘的影像特征庫(kù)。影像數(shù)據(jù)挖掘的一般流程通常包括：影像的存儲(chǔ) 影像的預(yù)處理影像的搜索 影像的挖掘影像的展示 ...挖掘IT+神經(jīng)網(wǎng)絡(luò)開啟智能醫(yī)學(xué)影像新時(shí)代

據(jù)報(bào)道2015年8月6日，IT巨頭IBM將以10億美元收購(gòu)醫(yī)學(xué)成像設(shè)備提供商MergeHealthcare。屆時(shí)Watson不僅可以讀懂這些醫(yī)療圖像（CT掃描、乳房攝像），還可以根據(jù)巨大的電子病歷數(shù)據(jù)庫(kù)進(jìn)行分析診斷。這將是Watson對(duì)大數(shù)據(jù)醫(yī)療行業(yè)的又一次顛覆。目前醫(yī)療數(shù)據(jù)中有超過90%來自于醫(yī)學(xué)影像，但是這些數(shù)據(jù)大多要進(jìn)行人工分析。如果能夠運(yùn)用人工智能技術(shù)分析醫(yī)學(xué)影像，并將影像與醫(yī)學(xué)文本記錄進(jìn)行交叉對(duì)比，就能夠極大地降低醫(yī)學(xué)診斷上的失誤，幫助醫(yī)生精準(zhǔn)診斷，挽救患者生命。IBM認(rèn)為，Watson的認(rèn)知計(jì)算能力在醫(yī)學(xué)造影方面完全可以辨別患者應(yīng)該接受X射線、CT還是核磁共振。而現(xiàn)在缺乏的是客戶以及醫(yī)學(xué)影像資料，而這恰好也是Merge可以提供的資源。IBM的智能醫(yī)學(xué)影像分析項(xiàng)目-Watson計(jì)劃大數(shù)據(jù)醫(yī)療的進(jìn)展醫(yī)學(xué)影像分類和檢索4按圖像特征分類提取顏色特征紋理特征形狀特征語(yǔ)義特征空間關(guān)系特征空間頻域聯(lián)合分析法顏色聚類法顏色相關(guān)圖基于機(jī)器學(xué)習(xí)的方法累積直方圖法統(tǒng)計(jì)法基于文本注釋的方法不變矩法多邊形近似法傅里葉描述子法均勻圖像子塊提取法模型法區(qū)域分割對(duì)象提取法特征提取是分類和檢索的基礎(chǔ)。它是指利用計(jì)算機(jī)技術(shù)提取圖像的特征信息（如顏色、紋理、形狀等）。分類和檢索的基礎(chǔ)——特征提取方法列舉由于單一特征包含的圖像特征信息較少，得不到理想的檢索結(jié)果，所以需要融合多個(gè)特征來描述圖像，并根據(jù)用戶感興趣的因素調(diào)節(jié)各特征權(quán)重來實(shí)現(xiàn)有效的檢索。如下圖所示為特征融合模型。醫(yī)學(xué)影像尺度空間灰度特征概率矩陣P1概率矩陣P2概率矩陣P3決策規(guī)劃分類和檢索的基礎(chǔ)——多特征融合提取1層O*S層2層紋理特征形狀特征頻域特征基分類器1基分類器2基分類器n基分類器

方法:從灰度、紋理、形狀、頻域四種互補(bǔ)的角度描述醫(yī)學(xué)影像，最后基于最大似然估計(jì)理論構(gòu)建決策級(jí)特征模型，實(shí)現(xiàn)醫(yī)學(xué)影像分類。從臨床中隨機(jī)選取9225幅醫(yī)學(xué)影像，根據(jù)其成像技術(shù)、方向與解剖學(xué)部位劃分為31個(gè)類別。實(shí)驗(yàn)采用10-foldcross-validation進(jìn)行評(píng)估，下圖為實(shí)驗(yàn)結(jié)果。分類和檢索的基礎(chǔ)——多特征融合的醫(yī)學(xué)影像分類

從上表中可以看出，灰度直方圖的最優(yōu)分類精度為69.7%；紋理特征的分類精度分類精度為83.67%，大大高于灰度直方圖方法；而基于詞袋模型的分類精度最優(yōu)值為90%，高于紋理特征的分類精度。這說明基于詞袋模型的醫(yī)學(xué)影像分類方法的分類精度遠(yuǎn)遠(yuǎn)高過基于全局特征的分類精度。詞袋模型：首先提取圖像的特征，然后將所有的特征聚類，生成視覺詞匯表，根據(jù)這個(gè)詞匯表構(gòu)建每幅圖像的視覺單詞表示，最后輸入到支持向量機(jī)中進(jìn)行訓(xùn)練和測(cè)試。分類方法——詞袋模型的醫(yī)學(xué)影像分類A.Kusiak等人提取了50例肺癌患者的基本資料和X光片的數(shù)字化特征，將粗糙集應(yīng)用于特征數(shù)據(jù)的挖掘，使得肺癌早期患者診斷的準(zhǔn)確率得到很大的提高。Antonie等人在醫(yī)學(xué)影像數(shù)據(jù)庫(kù)中抽取了各類乳腺圖像資料，采用關(guān)聯(lián)規(guī)則和神經(jīng)網(wǎng)絡(luò)對(duì)不同區(qū)域的紋理特征進(jìn)行挖掘，有效的對(duì)乳腺癌患者實(shí)現(xiàn)了自動(dòng)診斷。P.Perner采用決策樹對(duì)圖像的底層視覺特征和臨床專家的診斷信息進(jìn)行挖掘，發(fā)現(xiàn)其隱含的關(guān)聯(lián)，進(jìn)而輔助臨床醫(yī)生進(jìn)行醫(yī)療診斷。影像分類研究現(xiàn)狀檢索方法——局部線性嵌入(LLE)算法

方法：1）提取顏色分量的信息熵，利用鄰域灰度共生矩陣提取紋理特征;2）采用LLE算法對(duì)顏色和紋理特征進(jìn)行組合降維處理，采用歐式距離相似度量模型對(duì)圖像進(jìn)行初步檢索；3）采用最小二乘支持向量機(jī)對(duì)初步檢索結(jié)果進(jìn)行相關(guān)反饋，采用LSSVM對(duì)初步檢索結(jié)果進(jìn)行修正，進(jìn)一步提高了查全率與查準(zhǔn)率。

對(duì)采用原始特征、顏色特征、紋理特征以及LLE算法降維處理后的特征進(jìn)行對(duì)比實(shí)驗(yàn)，得到平均檢索正確率，如下圖所示。檢索方法——人工魚群（AFSA）人工魚群檢索方法：1）提取輸入醫(yī)學(xué)圖像的相關(guān)特征，并初始化特征權(quán)值；2）采用相似度模型進(jìn)行檢索并排序；3）用戶對(duì)檢索結(jié)果進(jìn)行評(píng)價(jià)，不滿意則執(zhí)行4）；4）根據(jù)用戶反饋信息，采用AFSA對(duì)醫(yī)學(xué)圖像特征權(quán)值進(jìn)行自適應(yīng)調(diào)整，并返回2）繼續(xù)檢索。不同特征權(quán)值優(yōu)化方法的間作性能比較。美國(guó)Purdue開發(fā)的ASSERT系統(tǒng)，針對(duì)胸CT圖像局部病變特征來建立相似性準(zhǔn)則，但自動(dòng)化性能較低。美國(guó)LosAlamos國(guó)家實(shí)驗(yàn)室設(shè)計(jì)的CANDID系統(tǒng)，利用單點(diǎn)像素上特征參量的概率密度函數(shù)作為圖像特征，并針對(duì)胸部CT圖像進(jìn)行了實(shí)驗(yàn)。其不足在于函數(shù)難以生成且運(yùn)算速度慢。美國(guó)華盛頓大學(xué)醫(yī)學(xué)院的X-胸片CBMIR系統(tǒng)。影像檢索研究現(xiàn)狀深度學(xué)習(xí)與醫(yī)學(xué)影像診斷5深度學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)模型相似的分層結(jié)構(gòu)（由輸入層、隱藏層、輸出層組成），比較解決人類大腦的結(jié)構(gòu)不同的訓(xùn)練機(jī)制（傳統(tǒng)神經(jīng)網(wǎng)絡(luò)采用backpropagation方式、深度學(xué)習(xí)采用layer-wise的方式）深度學(xué)習(xí)通過組合低層特征形成更加抽象的高層表示屬性類別或特征，以發(fā)現(xiàn)數(shù)據(jù)的分布式特征表示。其動(dòng)機(jī)在于建立、模擬人腦進(jìn)行分析學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)，它模仿人腦的機(jī)制來解釋數(shù)據(jù)，例如圖像，聲音和文本。深度學(xué)習(xí)深度學(xué)習(xí)模型屬于深層神經(jīng)網(wǎng)絡(luò)隨著高性能計(jì)算技術(shù)與高精度探測(cè)技術(shù)的不斷發(fā)展，醫(yī)學(xué)影像輔助診療已經(jīng)被醫(yī)療界廣泛接受和采用，同時(shí)對(duì)醫(yī)學(xué)影像的處理提出了更高的要求和挑戰(zhàn)。深度學(xué)習(xí)在醫(yī)學(xué)影像處理中的前景痛點(diǎn)：生理評(píng)判的模糊性信息生成的隨機(jī)性物理求解的病態(tài)性面對(duì)應(yīng)用的實(shí)時(shí)性醫(yī)學(xué)影像處理現(xiàn)狀難點(diǎn)：數(shù)據(jù)量大人工特征通用性差特征區(qū)分能力差現(xiàn)有醫(yī)學(xué)影像處理還處于基礎(chǔ)階段：醫(yī)學(xué)影像重建和顯示，高級(jí)功能如影像分類、檢索和識(shí)別效果較差，還無(wú)法滿足臨床應(yīng)用的要求。深度學(xué)習(xí)應(yīng)用利用深度學(xué)習(xí)提取影像的分布式特征實(shí)現(xiàn)醫(yī)學(xué)影像的智能化分析。有較大的探索空間和創(chuàng)新價(jià)值。優(yōu)勢(shì)：深層結(jié)構(gòu)的優(yōu)勢(shì)提取全局特征上下文信息的能力深度學(xué)習(xí)在醫(yī)學(xué)影像處理中的前景沈定剛教授 美國(guó)北卡羅來納大學(xué)利用深度學(xué)習(xí)實(shí)現(xiàn)對(duì)大腦、前列腺、大腿骨、骨盆及其他人體或動(dòng)物器官等影像的自動(dòng)分割、分類和識(shí)別。徐洋微軟利用深度學(xué)習(xí)網(wǎng)絡(luò)實(shí)現(xiàn)醫(yī)學(xué)影像分類。HolgerR.Roth：美國(guó)國(guó)立衛(wèi)生臨床中心 建立2.