主页（http://www.cnwulian.net）：人工智能走向产品化 在放射医疗中全面开花
但毫无疑问，AI技术可以帮助放射科医生提供更好的治疗，同时降低成本。正如RSNA大会主席Vijay Rao教授最后总结时所说，"我们需要拥抱人工智能，而不是害怕它。"返回搜狐，查看更多
用AI技术保护医学影像的安全
MRI、PET等成像技术既贵且耗时，而其中90%的成本和大量耗时其实都是在机器成像过程中，深透医疗的技术正是从机器成像过程切入，通过AI技术提升图像质量，让医疗机构可以在更少的时间内给更多的患者做检查、并减少放射剂量。
研究人员训练了一个深度学习网络，它可以将显示有癌症症状的图像转换成健康图像，然后让放射科医生分析这些图像，看看他们能不能发现图像已经被篡改，结果放射科医生生无法发现。
相比去年的RSNA，今年AI影像技术在应用上明显更加全面，不只局限于肺结节检测，在心脑类疾病检测中也大放异彩。
而今年的RSNA，关于人工智能的讨论几乎在会议的所有环节都更加明显，展区的多家供应商都在展示了自己的人工智能产品。毫无疑问，人工智能技术正在放射医疗中全面开花，而且逐渐从学术研究走向产品化，应用范围也在逐渐扩大。
另外，加州大学旧金山分析的研究人员发布的研究显示，AI技术还可以提高大脑成像预测阿尔茨海默病的能力。研究人员用一种特殊的成像技术，即FDG-PET，对深度学习算法进行了训练。在 FDG-PET 扫描中，患者会注入一种放射性葡萄糖化合物 FDG，然后用PET可以测量脑细胞摄取 FDG 的情况，从而得到关于代谢活动的重要指标。
人工智能走向产品化 在放射医疗中全面开花
2018-12-05 14:54 来源:硅星闻 公司 /开发 /技术
自于苏黎世大学医院的研究团队，正在努力防止攻击者篡改X射线检查的结果。
从RSNA 2018的现场来看，放射科医师已经摆脱了对AI技术的忧虑阶段，意识到AI不可能取代医生，而是会增加医生的效率，对其争论也更多集中在怎样才是使用深度学习等算法的最佳方式。
原标题：人工智能走向产品化 在放射医疗中全面开花
但AI技术距离成为主流临床工具还需要解决很多问题，比如，AI软件如何与PACS集成？AI算法会在后台自动运行，只有在检测到可疑结果时才会通知放射科医师吗？又或者放射科医生会在需要时从PACS启动AI算法？医生又将如何获得算法？
今年的RSNA上，还举办了一场肺炎检测挑战赛（RSNA Pneumonia Detection Challenge）。参赛者的任务是开发出能在医学图像中自动检测肺炎的机器学习算法。通过竞赛的方式，可以上更多的研究者将自己的学术研究成果转换为切实可用的产品。
阅读 ()
声明：该文观点仅代表作者本人，搜狐号系信息发布平台，搜狐仅提供信息存储空间服务。
比利时Icometrix公司则开发了一套可以分析CT图像，来描绘脑损伤的系统。该系统使用深度学习算法量化分析CT图像中的基底池压缩、中线脑移位等（不仅可以预示头部损伤，还能预示严重程度）信息，分析出脑损伤的严重程度。
不同于其它公司对医疗图像进行智能分析，斯坦福大学团队创立的Subtle Medical（深透医疗）将重点放在了提升医疗设备的成像速度，减少放射剂量上。
除了AI技术在医疗影像上的应用向纵深发展，产学研的结合以及AI技术的产品化也是这次RSNA的亮点。
提升成像速度，减少影剂使用
深透医疗在RSNA上展示了其AI影像处理平台，影像数据从设备端出来以后直接进入深透医疗系统，处理之后，进入PACS影像工作站供医师使用。据了解，深透医疗目前可以做到用AI技术加速MRI和PET成像过程4-10倍，并保证诊断级别的精确度。
除了使用AI增强成像速度与质量，深透医疗的创始人宫恩浩及其团队成员还发表了关于减少MRI造影剂使用量的研究、获得RSNA科研成果奖并成为10个RSNA官方宣传研究项目之一。
较低量的影剂使用还有很多尚未被认识到的临床应用，现在通过AI的方式无疑可以获得更多信息。
