文档介绍：“AI+医学影像”
行业调研
2018/1/1
“AI+医学影像”行业调研
行业需求
核心技术
应用概览
难点挑战
投资分析
公司盘点
行业需求
核心技术
应用概览
难点挑战
投资分析
公司盘点
影像数据快速积累,已具有开发应用规模
我国每天产生的影像数据以PB计算,占到医疗行业数据的90%
影像医生产能负荷重和部分地区医生影像诊断水平偏低,而人工智能大有所为
放射科医师数量存在缺口,医师的疲劳或经验不足可能造成误判
政策助推医疗大数据开发应用
2016年6月,国务院办公厅印发《关于促进和规范健康医疗大数据应用发展指导意见》
行业需求
核心技术
应用概览
难点挑战
投资分析
公司盘点
行业需求
核心技术
应用概览
难点挑战
投资分析
公司盘点
医生方面
大幅减少读片时间,降低误诊概率,提高诊疗水平
患者方面
有效减少诊疗时间,享受大型三甲医院的高水平医疗
医院方面
对大规模的数据加以利用,建立整体的数字化平台,提高医院的核心业务能力,推进医院之间的数据共享
智能识别解决行业痛点:
医学影像
智能诊断
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。但由于规则很难穷尽,所以对于现实中多变的情况准确率不高。
而深度学****则无需人工特征提取,通过大量的影像数据和诊断数据,不断对神经网络进行深度学****训练,促使其掌握诊断能力。
行业需求
核心技术
应用概览
难点挑战
投资分析
公司盘点
AI识别先天性白内障研究,我国中山大学的临床试验,N算法,通过410张各种程度的先天性白内障图片和476张正常图片训练,%。
AI对脑瘤病理切片的快速诊断,利用多层感知机算法,用拉曼散射显微镜生成高度模拟传统的HE染色病理切片,通过过万张图片训练,AI区分胶质瘤和非胶质瘤的准确率达90%。
AI对神经假体进行精确控制,伦敦帝国理工学院则尝试了利用支持向量机这一算法,将此前85%的精确度提升到了97%。
行业需求
核心技术
应用概览
难点挑战
投资分析
公司盘点
2017年1月,Nature设立子刊Nature Biomedical Engineering, 连发数篇AI报道:
医学的特殊性:医学本身就是一个未被完全认知的领域,信息的不完全透明,在疾病的症状与结果之间没有严格的对应关系,不同疾病之间也没有清晰的边界,而且还会存在同时发病的情况,这也导致不能像AlphaGo一样在明确的规则下算清所有变化。医学影像图像对比度普遍较低,不同组织或正常组织与病变组织之间边界模糊,血管、神经等微细结构分布复杂,医学中个体差异及小概率事件发生是很普遍的。
行业需求
核心技术
应用概览
难点挑战
投资分析
公司盘点