[Réseau nuage de chasse (Micro :) Signal Pékin] Mars 26 Rapport
26 mars 2019, dans le réseau artériel: le Nouvel An VB100 date de sortie stratégique (vcbeat publique n °) alliance organisée à l'innovation de la recherche menée par la Chine avec une imagerie médicale AI, réunissant des experts d'imagerie haut domestique trois hôpitaux, des experts de la recherche et de premier plan rédaction AI des sociétés médicales avec « Livre blanc Chine AI Medical Imaging » publié.
« La Chine imagerie médicale AI Livre blanc » est l'un des plus rapport faisant autorité, ainsi que plan d'imagerie médicale de développement AI entreprise. Les rapports de l'application de l'intelligence artificielle dans le domaine médical, les dernières avancées en matière d'algorithmes d'imagerie médicale AI, les besoins d'imagerie médicale de la recherche en IA, l'application clinique et les six aspects de la vision, des politiques, des défis et des recommandations menées recherches approfondies.
Le rapport analyse également l'évolution de la valeur de l'imagerie médicale AI dans les grandes applications cliniques où 15 pour aider les intervenants en mode profond de dialyse et de possibilités de développement industriel, et des représentants de plus de 40 sociétés AI imagerie médicale ont été introduites pour les entreprises fournit une stratégie de développement complet et la direction, les politiques actuelles sur les défis et les opportunités rencontrés par l'imagerie médicale AI profondément analytique et faire des suggestions constructives pour aider les intervenants de l'industrie d'analyser les tendances politiques, trouver la bonne stratégie de développement.
En même temps, également pour les six questions suivantes, donne la réponse:
1. En plus de l'imagerie médicale, l'intelligence artificielle dans les sept principaux signes de surveillance le domaine médical, la génomique et la protéomique, les données cliniques, la vidéo médicale est comment appliquer?
2. Ouvrez marques de plate-forme informatique AI nuage ressources de soins de santé de qualité de partage de collaboration peuvent être atteints, les algorithmes pour l'imagerie médicale a également réalisé une sorte de saut qualitatif?
3. En ce qui concerne la recherche universitaire, le développement des produits et des règlements d'enregistrement, il y a le problème de la façon dont l'imagerie médicale AI données structurées?
4. Le couvercle 31 régions du pays, plus de 5000 hôpitaux dans l'enquête 2135 pour les besoins de l'imagerie médicale de questionnaire AI, quel genre d'équipe à la demande des médecins et des institutions de recherche?
5. L'imagerie médicale AI face à ce genre d'opportunités et de défis en grande application clinique des os et des maladies articulaires, maladies cardio-vasculaires, l'imagerie neurologique, l'échographie et d'autres 15?
6. Dans le système traditionnel infrastructure médicale et réglementaire inévitable, la Chine Medical Imaging AI comment utiliser les politiques, pour briser le goulot d'étranglement?
11 directions d'application: AI nouvelles possibilités en matière d'imagerie médicale
1. reconstruction image Appareil d'imagerie
Par l'algorithme de reconstruction d'image de la technologie AI, une image à faible dose CT, PET reconstruction pour obtenir l'équivalent d'une image à haute dose-CT qualité, l'apprentissage en profondeur est un progrès important dans le domaine de la technique de reconstruction d'image, en particulier sa vitesse est supérieure à l'itération traditionnelle complète la reconstruction, ce qui indique une bonne perspective d'une application clinique.
lecture 2.X-ray
Par AI sur la lecture des rayons X de l'avant de l'analyse auxiliaire, l'imagerie médicale permet aux médecins de dépistage complète d'une variété de maladies, ou l'interprétation du médecin ordre de tri intelligent pour améliorer l'efficacité de la radiologie et de l'exactitude du diagnostic des médecins.
3. Détection de fond
image AI en apprenant fundus pour atteindre le glaucome, la rétinopathie diabétique et la dégénérescence maculaire liée à l'âge du diagnostic efficace des maladies oculaires graves telles que la promotion du traitement et le diagnostic de maladies oculaires popularité de fond.
4. Le cerveau divisé
Segmenter les MR régions du cerveau d'image par le biais de techniques d'IA peut être obtenue de l'algorithme de segmentation classique est l'effet du cerveau plus précis. AI technique en utilisant plus d'une centaine de régions du cerveau dans la structure du cerveau est divisé en axe des temps pour une analyse précise, les médecins voient clairement la matière grise, la matière blanche et des noyaux cérébraux de divers changements structurels dans le temps.
Le diagnostic de la maladie du cerveau
L'imagerie médicale est la principale méthode pour le diagnostic d'une hémorragie cérébrale, la détection précoce, le diagnostic précoce, un traitement précoce peut grandement sauver des vies, améliorer le taux de survie.
6. segmentation organe / délimitation cible
Dans le système de planification de traitement de rayonnement (système de planification de traitement, TPS), le positionnement correct et le contour précis des organes malades est la base de l'une des opérations clés des systèmes TPS et de la technologie, dont l'exactitude est divisée affectent directement la précision de la planification et la conception de traitement ultérieur rayonnement effet de rayonnement. En même temps, a également décrit un organe de diagnostic assisté par ordinateur, la visualisation d'images médicales, la chirurgie graphique-guidée, endoscopie virtuelle et d'autres applications d'imagerie médicale de la condition la plus importante et les étapes clés. Sur l'exactitude croquis, esquisse intelligente entièrement automatisée et les experts ont présenté les résultats de la cohérence jusqu'à 97%.
7. Identification des Orthopedics
Par l'observation intuitive de l'IA des lésions osseuses, des signes de détection intelligente de plusieurs types de fracture, l'annotation automatique fracture soupçonnée, les fractures d'affichage claires et intuitives à multiples facettes multi-angles, peut aider les médecins à diagnostiquer rapidement et avec précision et réduire le risque d'erreur de diagnostic.
8. diagnostic des maladies du sein
La technologie AI à seins précisément scission avec le tissu glandulaire dense, la quantification de la densité du sein et précis, l'évaluation objective du risque de cancer du sein, une détection précise, la masse et la localisation des micro-calcifications, améliorer le taux de détection des lésions.
9. Diagnostic échographique
L'échographie de son invasive, en temps réel, la sécurité, etc. Aucun été largement utilisé. Pour l'imagerie ultrasonore, l'intégration de la technologie AI permet le diagnostic des lésions mammaires et des nodules de la thyroïde bénignes et malignes. Pendant ce temps, un dispositif à ultrasons dans la technologie de cloud computing pour obtenir un traitement de ressources quasi illimitées, d'améliorer efficacement la vitesse de traitement du système et l'optimisation des ressources du système, pour assurer l'interopérabilité des terminaux différents. Actuellement, le diagnostic du médecin moyen trois hôpitaux taux de précision de 60% à 70% nombre inférieur de l'hôpital principal, le système AI est maintenant le diagnostic taux de précision peut atteindre 85%.
10. Analyse Histologie
analyse anatomopathologique réalisée à l'aide AI, les détails peuvent être trouvés dans l'il humain n'est pas facile à détecter, par l'étude des caractéristiques pathologiques du niveau des cellules, peut améliorer en permanence les connaissances des médecins et le diagnostic pathologique de la pathologie numérique. Il peut également intégrer immunohistochimie, les données de détection moléculaire et des informations cliniques, ce qui dans un rapport final de pathologie liée à l'intégration de l'information, en fournissant des informations pronostiques précises et un guide des médicaments pour les patients.
11. L'analyse de l'âge osseux
En particulier, un écart de radiologue radiologue pédiatrique, lourde charge de travail individuelle, forte envie de lire le film de l'appareil, l'image de l'âge osseux lourd libéré. Hôpital des besoins en âge des os des enfants sont énormes, si seulement par un médecin, besoin de 1-2 heures à travailler sur un morceau de l'âge osseux, si une partie de l'aide auxiliaire de logiciels, prend également 15 minutes à 30 minutes. L'introduction de l'intelligence artificielle peut être utilisé pour accélérer l'ordre de quelques secondes, par la machine pour exécuter toutes les étapes du procédé TW3, pour automatiquement épiphysaire feuille de rayons X, d'étoiles, et ensuite substitué dans la formule, le rapport numérique de l'âge osseux.
3 grandes politiques: suivre les tendances, et résoudre les problèmes
1. Intelligent Manufacturing AI route
Mai 2015, « Fabriqué en Chine 2025 » a été mentionné dans la fabrication intelligente, en Janvier 2016, le Conseil d'Etat a émis « » Treize Cinq « nationale des sciences et de la technologie Plan d'innovation », la fabrication intelligente et robotique comme « projets d'innovation scientifique et technologique 2030 » majeure un du projet.
2. Vitesse "Internet +"
Mai 2016, la Commission nationale du développement et de la réforme, le ministère des Sciences, Département Industrie et Technologies de l'information, l'information Bureau central a publié net « » Internet + « plan d'action AI trois ans » clairement mis en avant en 2018 pour former un niveau national milliards de dollars AI demande la taille du marché. Planifier pour déterminer la conduite à soutenir le développement de la grippe aviaire dans six domaines, y compris financière, la normalisation du système, la protection de la propriété intellectuelle, le développement des ressources humaines, la coopération internationale et les modalités de mise en uvre.
3.AI dans la planification stratégique nationale
Mars 2017, dans le travail du gouvernement rapport deuxième session du Congrès national du peuple, la « intelligence artificielle » a été écrit dans le rapport de travail du gouvernement. Li Keqiang a déclaré que la Chine mise en uvre intégrale des nouvelles industries de la planification stratégique, le développement technologique et d'accélérer la transformation AI et d'autres, plus grand et plus fort groupe de l'industrie dans le rapport de travail du gouvernement.
6 derniers: imagerie médicale révolutionnaire algorithmes AI
1. Les données petites
Il est un apprentissage en profondeur repose en grande partie sur des données techniques, nécessite beaucoup d'échantillon annoté peut jouer un rôle. Le monde réel, il y a beaucoup de problèmes ne sont pas tant les données de marquage, le coût d'acquisition des données d'annotation est très importante, ce problème collectivement, petite taille de l'échantillon, il fait face à des défis majeurs est le processus de formation ne peut utiliser que quelques-uns de chaque type un nouveau type de marque d'identification échantillon n'a jamais été vu avant et ne peut pas changer le modèle a été formé. Ces dernières années, il y a eu plusieurs solutions au problème de la petite taille de l'échantillon, ces méthodes sont appelées Fewshot d'apprentissage (s'il n'y a qu'un seul indiqué dans le catalogue, alors connu sous le nom d'apprentissage Oneshot). Wang et al. construit avec beaucoup de bibliothèque de modèles de données d'origine, puis revenir à ces données bibliothèque de modèle cible directement, un objet de droits est remapper classificateur classificateur à un autre.
2. Distribué
modèle médical de diagnostic AI a besoin d'un nombre suffisant d'échantillons à plusieurs centres de formation. Les institutions médicales sont souvent stockées les données du patient, ne prend pas en charge le partage de données. À cet égard, une solution efficace est distribué des données de formation. À l'heure actuelle, il existe trois types de méthodes de formation distribuée de données.
(1) à partir du niveau d'optimisation considéré comme une formation multi-centre, la contribution à l'optimisation du gradient. Dean et al. La méthode proposée Downpour SGD (fig. 1).
(2) le niveau de l'examen du modèle, qui est, après la fin du modèle de formation, à travers le modèle d'intégration de modèle pour atteindre les buts communs. Dluho comme moyenne pondérée après le poids de formation correspondant pour améliorer encore la précision.
(3) Compte tenu du niveau du modèle et l'optimisation, Chang et combine les deux, en prenant la corrélation entre les différents centres modèle d'optimisation et de performance. Ils ont essayé deux stratégies différentes: Tout d'abord, passer au prochain centre de formation dans le modèle monocentrique, un modèle de convergence puis, comme le montre la figure.
3. Le multimodal
des données d'imagerie Présence CT, IRM, DR et d'autres modalités, en plus des informations cliniques, rapports d'inspection, sans image, et si utiliser raisonnablement les données multimodaux, seront améliorés considérablement l'effet du système. Dans le domaine du traitement d'images médicales, des données multi-modales pour améliorer l'effet de la fusion de l'information primaire, comprenant Early Fusion Fusion et tardif de deux façons.
4. traitement adjuvant
Le traitement adjuvant comprend généralement la radiothérapie, la chimiothérapie, la thérapie hormonale, une thérapie ciblée, ou une thérapie biologique. Depuis le départ de flux de travail clinique de routine, AI afin d'améliorer la qualité et l'efficacité du traitement clinique dans les domaines suivants. (1) évaluation AI dans l'état du patient et les zones de développement du programme: les données d'images médicales et cliniques, pathologiques, les données génétiques sont combinées pour déterminer quel est le traitement approprié utilisé. (2) AI pour la préparation de pré-traitement: le processus de traitement, la première image en fonction des besoins pour la planification pré-chirurgicale, principalement liée à la conversion entre différents modes d'image (U-net, VGG), la réduction du bruit (CNN), enregistrement, etc. (3) AI dans la gestion du traitement: l'apprentissage en profondeur peut être utilisé pour la surveillance chez les patients subissant un mouvement d'organes en raison de la respiration, et par rapport aux méthodes traditionnelles, améliorer la précision prévisions, tout en réduisant considérablement le temps de calcul. Après (4) suivi d'un traitement AI: les patients dans le traitement adjuvant, et les caractéristiques de formation d'image sur la réponse de la tumeur au traitement par la substance marquée sera change graduellement, et de l'information clinique de ces caractéristiques effet thérapeutique combiné peut être évaluée.
L'universel (machine différente)
algorithmes d'apprentissage machine universelle (ou capacité de généralisation) fait référence à la capacité de l'algorithme d'adaptation à des échantillons frais autres que l'ensemble d'apprentissage. Procédé d'obtention de nouveaux échantillons peuvent être affectés par des facteurs de différents angles d'imagerie, l'imagerie, le bruit des algorithmes de reconstruction, entraînant un nouvel échantillon et une étude échantillon du passé ont des caractéristiques différentes.
6. Plate-forme ouverte calcul AI
Avec le débarquement et la promotion de la technologie AI, industrie de l'IA est passée du logiciel d'algorithme « petit atelier » traditionnel à la plate-forme d'application « grande production », combinée avec des algorithmes AI et les plates-formes de cloud computing se rapprocher. De nombreuses sociétés Internet offrent la plate-forme de cloud computing AI et des services connexes. Et cet hôpital de base de la plate-forme médicale AI est divisé en deux directions: AI image de la plate-forme de traitement de données pour l'imagerie médicale, les données de la plate-forme AI pour la PNL. Sur base de ces deux types de plate-forme, Internet intégré, cloud computing, AI, grandes analyses de données et d'autres technologies de pointe, des ressources médicales de haute qualité collaboration en nuage partagé, les applications de traitement de profondeur de données massives Richter minières à grande échelle pour le gouvernement, les hôpitaux, les établissements de recherche et les particuliers une série de solutions d'informatique décisionnelle cloud sur mesure. Pour les chercheurs, les développeurs, ainsi que la plate-forme appropriée pour fournir la modélisation médicale AI, des applications de formation et d'ouverture et d'autres services de base, promouvoir le développement vigoureux de l'industrie médicale AI.
(Au-dessus du « Livre blanc sur la Chine Medical Imaging AI » en partie, pour plus de détails voir « La Chine AI Medical Imaging Livre blanc. »)
Réunissant connaissance de l'industrie, stimuler le développement sain de la Chine Medical Imaging AI
« La Chine imagerie médicale AI Livre blanc » une gamme forte de comité de rédaction:
Editeur: Liu Shiyuan
Rédacteur en chef adjoint: Wang Qian, SHEN Ding Gang, Zhang Hui Mao
La préparation du Secrétaire général: Gao Hong, XIAO Yi
modules d'application AI écrire:
poitrine nodules pulmonaires AI: technologie suppose
Rapport DR Video Intelligence AI IFLYTEK
Os et maladies articulaires AI: abricot technologie Pulse
Les maladies cardiovasculaires AI: Nombre kun Technology
effets sur le système nerveux de l'IA: Deep Core Médical
L'échographie AI: Allemagne Shangyun Xing Medical Technology
Imagerie du sein AI: selon le dossier médical
Intervention: abricot technologie Pulse
interprétation de l'âge osseux AI: selon le dossier médical
La maladie dans l'enfance AI: abricot technologie Pulse
L'imagerie cérébrale AI: Deep Core médical
Pelviennes Imaging AI: Département de l'ombre Hui médicale
Fundus AI: Voxel Technologie
Pathologique AI: Durham pathologie route
Maladies macrovasculaires AI: Département de l'ombre Hui médicale
Maladies de la peau AI: Voxel technologie
