制服丝袜成人电影|欧洲美女激情AV|久久天堂无码AV|日本一及黄色电影一及黄色|天摸天操天啪欧美|AA级黄色一级特黄成人大片|日韩特级AAA毛片|特级黄色成人录像|激情啪啪综合亚洲A黄|特黄一级AAA日本在线观看

歡迎訪問(wèn)智慧醫(yī)療網(wǎng) | 網(wǎng)站首頁(yè)
 

人工智能時(shí)代超聲醫(yī)學(xué)新發(fā)展

發(fā)布時(shí)間:2023-02-27 來(lái)源:中華醫(yī)學(xué)會(huì)超聲分會(huì) 瀏覽量: 字號(hào):【加大】【減小】 手機(jī)上觀看

打開(kāi)手機(jī)掃描二維碼
即可在手機(jī)端查看

摘要

人工智能(AI)技術(shù)發(fā)展至今已在許多研究領(lǐng)域和產(chǎn)業(yè)取得引人矚目的成就,大大推動(dòng)了高度依賴機(jī)器操控和海量信息數(shù)據(jù)分析的醫(yī)學(xué)超聲影像學(xué)的發(fā)展。目前AI在超聲醫(yī)學(xué)領(lǐng)域的發(fā)展是醫(yī)工結(jié)合交叉研究的新熱點(diǎn),越來(lái)越多的超聲醫(yī)學(xué)專(zhuān)家和數(shù)學(xué)家、計(jì)算機(jī)科學(xué)家共同致力于推動(dòng)超聲醫(yī)學(xué)研究與AI的融合實(shí)踐,旨在提高超聲診斷的準(zhǔn)確率、降低誤診率、縮短報(bào)告時(shí)間,滿足日益增長(zhǎng)的臨床需求。本文主要就超聲醫(yī)學(xué)在AI領(lǐng)域的研究進(jìn)展、AI時(shí)代我國(guó)超聲醫(yī)學(xué)發(fā)展的機(jī)遇與挑戰(zhàn)等作一綜述。


人工智能(artificial intelligence,AI)發(fā)展至今已有60余年的歷史,許多人工操作乃至醫(yī)療手術(shù)操作已逐漸被智能機(jī)器人取代[1-4]。然而,國(guó)內(nèi)外AI在醫(yī)學(xué)領(lǐng)域的發(fā)展仍處于起步階段,目前是醫(yī)工結(jié)合交叉研究的熱點(diǎn)[5]。為了滿足日益增長(zhǎng)的醫(yī)療需求,越來(lái)越多的醫(yī)學(xué)專(zhuān)家和數(shù)學(xué)家、計(jì)算機(jī)科學(xué)家共同致力于推動(dòng)醫(yī)學(xué)研究和AI的融合實(shí)踐,特別是對(duì)現(xiàn)代醫(yī)學(xué)中高度依賴機(jī)器操控和海量信息數(shù)據(jù)采集處理的醫(yī)學(xué)超聲影像學(xué)產(chǎn)生了較大影響[6]。在醫(yī)療活動(dòng)產(chǎn)生的大數(shù)據(jù)中,90%以上為醫(yī)學(xué)影像資料,其中超聲影像因其獨(dú)有的實(shí)時(shí)動(dòng)態(tài)特點(diǎn),數(shù)據(jù)更為龐大和復(fù)雜,人工分析數(shù)據(jù)的工作量巨大且準(zhǔn)確性易受人為主觀因素影響。新興的云存儲(chǔ)、機(jī)器學(xué)習(xí)、語(yǔ)音和醫(yī)學(xué)圖像處理、卷積神經(jīng)網(wǎng)絡(luò)[7-8]等計(jì)算機(jī)技術(shù)的飛速發(fā)展,推動(dòng)了現(xiàn)代超聲影像醫(yī)學(xué)向智能醫(yī)學(xué)的邁進(jìn),有望促進(jìn)數(shù)字醫(yī)療發(fā)展,構(gòu)建新的智能醫(yī)療模式。


目前,業(yè)界對(duì)醫(yī)學(xué)影像AI的定位共識(shí)在于計(jì)算機(jī)輔助診斷(computer-aided diagnosis,CAD),基于圖像數(shù)據(jù)的醫(yī)學(xué)影像檢查,如超聲、磁共振成像(magnetic resonance imaging,MRI)、計(jì)算機(jī)斷層掃描(computed tomography,CT)、X線片、正電子發(fā)射計(jì)算機(jī)斷層顯像(positron emission computed tomography,PET)是醫(yī)療智能診斷的最佳數(shù)據(jù)來(lái)源。幾乎所有基于醫(yī)學(xué)影像的CAD系統(tǒng)均具有如下的設(shè)計(jì)流程[9]:首先通過(guò)計(jì)算機(jī)對(duì)醫(yī)學(xué)影像采集的圖像進(jìn)行預(yù)處理,然后選取勾畫(huà)出感興趣區(qū),再通過(guò)計(jì)算機(jī)選擇并提取相應(yīng)的特征進(jìn)行分類(lèi)識(shí)別,最后由專(zhuān)業(yè)醫(yī)師進(jìn)行綜合判讀,得到程式化診斷結(jié)論。


AI影像輔診系統(tǒng)借助計(jì)算機(jī)代替了人工大量重復(fù)性、機(jī)械性的工作,使醫(yī)師有精力和時(shí)間診斷更多的患者,進(jìn)行更有價(jià)值的診療探索;簡(jiǎn)化了工作流程和管理,提高了超聲醫(yī)師的工作效率,特別是能夠減少依靠超聲醫(yī)師主觀經(jīng)驗(yàn)而造成的診斷誤差。本文旨在對(duì)超聲醫(yī)學(xué)在AI領(lǐng)域的研究進(jìn)展及AI時(shí)代我國(guó)超聲醫(yī)學(xué)發(fā)展的機(jī)遇與挑戰(zhàn)等作一綜述。


01

超聲醫(yī)學(xué)在AI時(shí)代的發(fā)展現(xiàn)狀


1.1 超聲醫(yī)學(xué)的工作現(xiàn)狀及智能化需求


無(wú)論是在國(guó)外還是國(guó)內(nèi),臨床超聲醫(yī)師的工作職責(zé)均包括報(bào)告診斷、選擇復(fù)查、通報(bào)會(huì)診、資料查詢等。但國(guó)外超聲部門(mén)隸屬于影像科,工作人員分為超聲技師和超聲醫(yī)師,技師負(fù)責(zé)患者的掃描檢查與資料匯總,而醫(yī)師則進(jìn)行診斷與會(huì)診,二者分工明確,工作量和工作強(qiáng)度均相對(duì)較低,對(duì)出具報(bào)告的時(shí)效性要求也不如國(guó)內(nèi)高。國(guó)內(nèi)超聲科是一個(gè)獨(dú)立的平臺(tái)科室,因超聲檢查具有便捷、經(jīng)濟(jì)、無(wú)損傷、無(wú)輻射、報(bào)告快速等優(yōu)勢(shì),使得臨床醫(yī)師和患者對(duì)超聲檢查診斷的需求急劇增加,從而導(dǎo)致普遍存在超聲醫(yī)學(xué)數(shù)據(jù)信息量大,超聲醫(yī)師的工作量、工作強(qiáng)度和責(zé)任風(fēng)險(xiǎn)大,以及診斷水平主觀差異大、質(zhì)量缺乏統(tǒng)一標(biāo)準(zhǔn)等問(wèn)題。


智能化工具的出現(xiàn)可以滿足目前醫(yī)療環(huán)境對(duì)于超聲診斷領(lǐng)域快速、準(zhǔn)確、統(tǒng)一標(biāo)準(zhǔn)的急迫需求。美國(guó)血管超聲檢查規(guī)范采用Jefferson智能化模板記錄和提取工作站,便于醫(yī)師根據(jù)技師的標(biāo)準(zhǔn)化掃描檢查操作存儲(chǔ)的圖像信息給出標(biāo)準(zhǔn)化、客觀統(tǒng)一的診斷意見(jiàn),這為我國(guó)率先探索成立血管超聲規(guī)范化培訓(xùn)中心提供了借鑒與參考[10]。隨后國(guó)內(nèi)也相繼對(duì)腹部、淺表、婦產(chǎn)等超聲各亞專(zhuān)業(yè)的診斷規(guī)范與指南進(jìn)行統(tǒng)一細(xì)化并制定質(zhì)量控制標(biāo)準(zhǔn),針對(duì)超聲診斷報(bào)告中存在的問(wèn)題,如陳述性和非結(jié)構(gòu)化的超聲報(bào)告模式、報(bào)告中的大部分?jǐn)?shù)據(jù)松散無(wú)序、提供信息有限、超聲影像描述術(shù)語(yǔ)使用不統(tǒng)一、診斷報(bào)告缺乏可比性等,進(jìn)行了智能化診斷工具的探索[11-12]


智能化的超聲診斷工具應(yīng)具有如下特點(diǎn):(1)可對(duì)超聲掃描檢查和記錄建立統(tǒng)一標(biāo)準(zhǔn),以專(zhuān)科系統(tǒng)(腹部、血管、淺表、婦產(chǎn)、心臟、肌骨等)超聲分類(lèi)、以器官為基礎(chǔ)(肝、膽、胰、脾、腎、乳腺等)掃描檢查獲取規(guī)范化和標(biāo)準(zhǔn)化的圖像;(2)在超聲儀器內(nèi)設(shè)定統(tǒng)一的操作流程和檢查標(biāo)準(zhǔn),自動(dòng)切換顯像模式、自動(dòng)定位取樣位置、轉(zhuǎn)換新的體表標(biāo)識(shí)等;(3)對(duì)正?;蜿幮詸z查流程進(jìn)行高效智能優(yōu)化,保證超聲圖像存儲(chǔ)的系列性和一致性,改進(jìn)單一重復(fù)的工作模式;(4)將超聲儀器和影像存檔與通訊系統(tǒng)(picture archiving communication system,PACS)進(jìn)行一體化改進(jìn),對(duì)存儲(chǔ)的超聲圖像按照掃描檢查切面、部位器官、檢查模式進(jìn)行智能化分類(lèi)排列,對(duì)報(bào)告編輯中出現(xiàn)的錯(cuò)誤術(shù)語(yǔ)進(jìn)行屏蔽或自動(dòng)糾錯(cuò),對(duì)超聲危急值進(jìn)行警示報(bào)告,建立智能化的超聲檢查報(bào)告模板,并給予智能化輔助診斷和建議。


1.2 AI在超聲醫(yī)學(xué)領(lǐng)域的應(yīng)用示例


1.2.1 甲狀腺超聲智能診斷  基于甲狀腺病變的超聲特征,可采用計(jì)算機(jī)技術(shù)對(duì)結(jié)節(jié)內(nèi)部囊實(shí)成分、回聲強(qiáng)度、邊界清晰度、形態(tài)規(guī)則度、鈣化程度、形狀、紋理異質(zhì)度等進(jìn)行智能化惡性風(fēng)險(xiǎn)判讀。目前,上市許可的甲狀腺超聲圖像分析系統(tǒng)AmCAD-UT? Detection是利用計(jì)算機(jī)視覺(jué)技術(shù)對(duì)甲狀腺結(jié)節(jié)的超聲特征進(jìn)行量化分析,從而提供客觀一致的視覺(jué)化超聲影像和高準(zhǔn)確率的判讀結(jié)果,并即時(shí)生成數(shù)字化超聲報(bào)告。近年來(lái)多次開(kāi)展的人機(jī)競(jìng)技讀片交流會(huì)上,甲狀腺超聲機(jī)器人輔助超聲醫(yī)師在短時(shí)間內(nèi)診斷甲狀腺結(jié)節(jié)良惡性的準(zhǔn)確率基本達(dá)到主治醫(yī)師以上水平,表明超聲機(jī)器人可以接收甲狀腺超聲圖像,即時(shí)生成檢查結(jié)果,標(biāo)注結(jié)節(jié)位置和尺寸,有效識(shí)別超聲影像特征,從而緩解超聲醫(yī)師的工作壓力[13]


1.2.2 乳腺超聲計(jì)算機(jī)輔助診斷 基于乳腺影像報(bào)告與數(shù)據(jù)系統(tǒng)(breast imaging reporting and data system,BI-RADS)的乳腺結(jié)節(jié)超聲診斷可使超聲醫(yī)師根據(jù)乳腺結(jié)節(jié)的超聲特征結(jié)合個(gè)人經(jīng)驗(yàn)對(duì)結(jié)節(jié)的良惡性風(fēng)險(xiǎn)范圍作出評(píng)估。結(jié)合BI-RADS開(kāi)發(fā)的乳腺超聲CAD系統(tǒng)提取和量化分析乳腺結(jié)節(jié)的形態(tài)特征與紋理特征,有助于提高診斷的準(zhǔn)確率和一致性,減少醫(yī)師主觀判讀的誤差[14]。


1.2.3 自動(dòng)乳腺全容積超聲成像及圖像解 采用自動(dòng)乳腺全容積掃描(automated breast volume scanner,ABVS)可在短時(shí)間內(nèi)自動(dòng)獲得層間距為0.5~0.8 mm、超過(guò)500個(gè)層面的超聲二維圖像,然后進(jìn)入分析系統(tǒng),快速地對(duì)采集的圖像數(shù)據(jù)進(jìn)行冠狀面、縱切面和橫切面的特征分析[15]。ABVS可觀察傳統(tǒng)二維超聲不能顯示的乳腺冠狀面圖像,有助于直觀顯示乳腺腫瘤內(nèi)部結(jié)構(gòu)和形態(tài)特征。有研究表明乳腺惡性腫瘤冠狀面“匯聚征”的出現(xiàn)率與腫瘤浸潤(rùn)性及有無(wú)同側(cè)腋窩淋巴結(jié)轉(zhuǎn)移有關(guān)[16],其可作為評(píng)價(jià)乳腺惡性腫瘤生物學(xué)行為的一項(xiàng)輔助指標(biāo),為臨床提供參考依據(jù)。


1.2.4 肝臟超聲影像報(bào)告和數(shù)據(jù)智能化 智能化的肝臟超聲影像報(bào)告和數(shù)據(jù)系統(tǒng)可以完成對(duì)肝硬化或其他危險(xiǎn)因素的肝細(xì)胞癌影像診斷,采用規(guī)范一致的肝臟影像術(shù)語(yǔ),減少對(duì)圖像解讀的主觀差異與錯(cuò)誤,能夠提高診斷質(zhì)量及對(duì)臨床提供科學(xué)診斷依據(jù)。宋家琳等[17]提出了適合評(píng)估肝硬化程度的超聲圖像算法,對(duì)超聲圖像的肝臟包膜連續(xù)性和平滑度幾何特征、肝實(shí)質(zhì)粗糙度和形狀不規(guī)則度以及肝血管平滑度、僵硬度等紋理特征進(jìn)行定量分析,以可視化智能手段間接評(píng)估肝硬化患者的肝功能。Pavlopoulos等[18]用模糊神經(jīng)網(wǎng)絡(luò)對(duì)肝臟超聲圖像進(jìn)行分析,結(jié)果表明分形維度紋理分析(fractal dimension texture analysis,F(xiàn)DTA)、空間灰度獨(dú)立矩陣(spatial gray level dependence matrix,SGLDM)、灰度共生矩陣(gray level co-occurrence matrix,GLCM)、灰度運(yùn)行長(zhǎng)度統(tǒng)計(jì)(gray level run length statistics,RUNL)、一階灰階參數(shù)(first order gray level parameter,F(xiàn)OP)5個(gè)特征參量通過(guò)幾何圖形模糊裝置向網(wǎng)絡(luò)輸入訓(xùn)練,能夠用于智能化識(shí)別肝臟彌散性病變,對(duì)脂肪肝、肝纖維化和正常肝臟做出區(qū)分。 


1.2.5 計(jì)算機(jī)輔助骨骼肌損傷超聲定量診斷 隨著高分辨率超聲在骨骼肌系統(tǒng)的廣泛應(yīng)用,超聲醫(yī)師期望借力AI技術(shù)來(lái)提高骨骼肌損傷超聲影像臨床判讀的一致性及準(zhǔn)確率[19]。趙佳琦等[20-22]通過(guò)開(kāi)展計(jì)算機(jī)視覺(jué)定量識(shí)別骨骼肌紋理的一系列實(shí)驗(yàn)研究和初步臨床實(shí)踐,驗(yàn)證了自主研發(fā)的技術(shù)“骨骼肌損傷超聲圖像紋理定量分析的強(qiáng)度界面多級(jí)分解法”。該方法是在多尺度斑塊分解思想的基礎(chǔ)[23]上,基于個(gè)體肌纖維的幾何特征和肌纖維之間分布的幾何特征,從8個(gè)不同層次應(yīng)用計(jì)算機(jī)工具輔助診斷肌肉損傷,并采用結(jié)構(gòu)化信息極大分解的計(jì)算機(jī)圖像處理專(zhuān)利技術(shù)(專(zhuān)利號(hào):201510019412.4)[24]實(shí)現(xiàn)AI對(duì)超聲造影后肌肉損傷區(qū)域模糊邊緣的分割。


1.2.6 其他超聲智能工具 心臟彩色超聲自動(dòng)心肌運(yùn)動(dòng)定量技術(shù)(automated cardiac motion quantification,aCMQ)提供了評(píng)價(jià)整體和節(jié)段心臟功能的方法,其基于二維斑點(diǎn)追蹤技術(shù),提供一套測(cè)量工具和系列定量參數(shù),無(wú)角度依賴性,評(píng)價(jià)的心肌運(yùn)動(dòng)測(cè)量結(jié)果更準(zhǔn)確[25]。智能三維超聲成像簡(jiǎn)便易行,可以完成胎兒顱腦標(biāo)準(zhǔn)切面以及胎心切面的自動(dòng)識(shí)別[26],可一鍵獲取最佳圖像,完成相關(guān)參數(shù)的自動(dòng)檢測(cè),無(wú)需手動(dòng)調(diào)節(jié)。利用模塊化軟件系統(tǒng)可對(duì)血管超聲圖像進(jìn)行自動(dòng)化輔助解析[27],簡(jiǎn)化了血管超聲檢查流程,減少了對(duì)操縱者的依賴性,縮短了檢查時(shí)間?;诙嚯A段回歸模型和時(shí)空回歸模型,采用計(jì)算機(jī)技術(shù)已實(shí)現(xiàn)了對(duì)盆底超聲中膀胱脫垂分級(jí)的自動(dòng)化研究[28]。


02

AI時(shí)代我國(guó)超聲醫(yī)學(xué)發(fā)展的機(jī)遇與挑戰(zhàn)


2.1 AI發(fā)展規(guī)劃及超聲領(lǐng)域應(yīng)用的良好前景


科技的高速發(fā)展促使新一代AI技術(shù)廣泛應(yīng)用于醫(yī)學(xué)大數(shù)據(jù)的超聲影像中,其優(yōu)勢(shì)顯而易見(jiàn)。在日常超負(fù)荷工作量和復(fù)雜高風(fēng)險(xiǎn)的檢查壓力下,超聲AI系統(tǒng)能優(yōu)化檢查流程、規(guī)范診斷標(biāo)準(zhǔn)、縮短檢查與報(bào)告時(shí)間,顯著提高超聲醫(yī)師的診斷信心和工作效率??梢灶A(yù)見(jiàn)AI在未來(lái)助力超聲診斷與治療技術(shù)、人才培養(yǎng)等方面具有廣闊的創(chuàng)新與發(fā)展前景。


大數(shù)據(jù)+AI+超聲醫(yī)學(xué)不斷融合發(fā)展,可以使醫(yī)院、醫(yī)師和患者三方都能從超聲智能化中獲益,從而提升醫(yī)療服務(wù)質(zhì)量,顛覆傳統(tǒng)醫(yī)學(xué)教育模式。這種智能化、數(shù)字化的超聲診療平臺(tái)可向基層醫(yī)院推廣,提高基層超聲醫(yī)師的診斷水平,讓基層患者也能獲得專(zhuān)家醫(yī)師的服務(wù);可部署在醫(yī)院和健康體檢中心,協(xié)助醫(yī)師完成大量的超聲體檢篩查,減輕超聲醫(yī)師工作壓力,彌補(bǔ)人手的不足;可將超聲智能系統(tǒng)部署在云端,通過(guò)互聯(lián)網(wǎng)聯(lián)合多家醫(yī)院建立遠(yuǎn)程會(huì)診體系,為偏遠(yuǎn)地區(qū)較為落后的醫(yī)療服務(wù)提供技術(shù)支持;同時(shí),還可與遠(yuǎn)程醫(yī)療平臺(tái)開(kāi)展在線合作,面向與平臺(tái)簽約的全國(guó)醫(yī)院的醫(yī)師提供服務(wù)。


2.2 超聲診斷設(shè)備搭上AI是順勢(shì)而為


我國(guó)醫(yī)療資源分配不均衡,基層醫(yī)師專(zhuān)業(yè)能力有很大的提升空間,加之臨床對(duì)超聲診斷需求旺盛,因此更新超聲設(shè)備勢(shì)在必行。開(kāi)發(fā)植入超聲智能的輔助診斷系統(tǒng),實(shí)現(xiàn)檢查、診斷、治療一體化,可使醫(yī)院獲得更多的共享資源及技術(shù)保障,系統(tǒng)性地降低成本,也能幫助醫(yī)師提高讀片效率、降低誤診的概率,特別是有助于對(duì)罕見(jiàn)病和肉眼容易誤判的疾病做出準(zhǔn)確識(shí)別。機(jī)器人輔助介入超聲、智能導(dǎo)航定位穿刺能夠?yàn)榛颊咛峁└珳?zhǔn)的治療方案[29]。


2.3 超聲AI發(fā)展中存在的問(wèn)題


利用超聲圖像的大數(shù)據(jù),探討機(jī)器學(xué)習(xí)及深入學(xué)習(xí),深化計(jì)算機(jī)輔助診斷,提高組織定征的水平,實(shí)現(xiàn)醫(yī)學(xué)圖像智能識(shí)別是大勢(shì)所趨。但醫(yī)療行業(yè)是一個(gè)容錯(cuò)率極低的行業(yè),超聲診斷有一定復(fù)雜度,且每位醫(yī)師的掃描手法不同,得到的數(shù)據(jù)不可避免的具有主觀性差異,因此對(duì)影像識(shí)別算法有很高要求。獲取大數(shù)據(jù)更需要超聲醫(yī)師提供臨床知識(shí)和經(jīng)驗(yàn),再由計(jì)算機(jī)專(zhuān)家把醫(yī)學(xué)特征轉(zhuǎn)化成高效的計(jì)算機(jī)語(yǔ)言,讓機(jī)器進(jìn)行深度學(xué)習(xí)。對(duì)于超聲AI研究團(tuán)隊(duì)來(lái)說(shuō),如何找到適用特定疾病的圖像特征來(lái)進(jìn)行數(shù)據(jù)分類(lèi)、收集、規(guī)范和標(biāo)注是關(guān)鍵[30],獲取超聲影像后,如何制定出適合超聲醫(yī)師和算法工程師的感興趣區(qū)勾畫(huà)標(biāo)準(zhǔn),需要超聲醫(yī)師和計(jì)算機(jī)技術(shù)人員共同探討。


盡管如此,開(kāi)發(fā)AI超聲診斷工作站,利用PASC的全方位信息,基于循證醫(yī)學(xué)知識(shí),在心臟、血管、甲狀腺、乳腺、肌骨、肝臟、婦產(chǎn)等領(lǐng)域?qū)崿F(xiàn)智能輔助診斷的功能大有可為。但醫(yī)學(xué)影像信息超載,快速和大量的智能化讀片不可避免地會(huì)在醫(yī)患之間產(chǎn)生一定的隔閡,超聲醫(yī)師之間缺乏溝通與交流,綜合性的超聲影像診斷被普遍程式化。


今后在超聲介入治療方面,可進(jìn)一步開(kāi)發(fā)完善AI導(dǎo)航介入系統(tǒng),通過(guò)計(jì)算機(jī)軟件實(shí)時(shí)監(jiān)控穿刺的位置,提高穿刺的準(zhǔn)確性;開(kāi)發(fā)遠(yuǎn)程操控掃描檢查機(jī)器人和無(wú)線傳輸技術(shù),實(shí)現(xiàn)遠(yuǎn)近程交互的精準(zhǔn)診斷與介入治療,協(xié)助醫(yī)師完成臨床診療操作。但這些不可避免地使醫(yī)師更加依賴程式化的設(shè)備操作,從而缺乏個(gè)性化診療特色。


2.4 超聲人員的未來(lái)職業(yè)發(fā)展方向


在短時(shí)間內(nèi),AI仍不可能完全代替醫(yī)師,特別是醫(yī)療過(guò)程中倡導(dǎo)的人文關(guān)懷、邏輯推理等是機(jī)器無(wú)法取代的。但是,AI的超強(qiáng)學(xué)習(xí)能力和綜合分析處理問(wèn)題的能力使其具備了幾乎超越人腦對(duì)疾病超聲圖像定量分析和精準(zhǔn)診療的潛能[31],在未來(lái)必將改變超聲從業(yè)人員的工作方式,如自動(dòng)化掃描各臟器的標(biāo)準(zhǔn)切面并自動(dòng)出具相關(guān)報(bào)告,成為超聲醫(yī)師診療工作中不可或缺的重要輔助工具。


03

小結(jié)


AI技術(shù)有力推動(dòng)了高度依賴機(jī)器操控和海量信息數(shù)據(jù)分析的超聲醫(yī)學(xué)領(lǐng)域的發(fā)展,滿足了目前醫(yī)療環(huán)境對(duì)于超聲診斷的快速、準(zhǔn)確、統(tǒng)一標(biāo)準(zhǔn)的需求。雖然我國(guó)的超聲AI發(fā)展過(guò)程中面臨著一些問(wèn)題與挑戰(zhàn),相信通過(guò)大數(shù)據(jù)+AI+超聲醫(yī)學(xué)的不斷融合,可以提高超聲診斷的準(zhǔn)確率、降低誤診率、縮短報(bào)告時(shí)間及提升醫(yī)療服務(wù)質(zhì)量,滿足日益增長(zhǎng)的臨床需求,并使醫(yī)院、醫(yī)師和患者三方都能從超聲人工智能化中獲益,具有廣闊的創(chuàng)新和發(fā)展前景。


參考文獻(xiàn)(向下滑動(dòng)查看詳情)

[1]孔祥溢, 王任直. 人工智能及在醫(yī)療領(lǐng)域的應(yīng)用[J]. 醫(yī)學(xué)信息學(xué)雜志, 2016, 37: 1-5.

[2]PEEK N, COMBI C, MARIN R, BELLAZZI R. Thirty years of artificial intelligence in medicine (AIME) conferences:a review of research theme[J]. Artif Intell Med, 2015, 65: 61-73. DOI:10.1016/j.artmed.2015.07.003

[3]楊海峰, 田增民, 孫躍春, 崔剛, 李賓, 張智波, 等. Remebot第六代神經(jīng)外科機(jī)器人的臨床應(yīng)用[J]. 中國(guó)臨床醫(yī)生雜志, 2017, 45: 86-88.

[4]徐大華, 劉東斌.高科技推動(dòng)微創(chuàng)外科發(fā)展[J/CD].中華腔鏡外科雜志(電子版), 2017, 10: 193-195.

[5]SPECTOR L. Evolution of artificial intelligence[J]. Artif Intell, 2006, 170: 1251-1253. DOI:10.1016/j.artint.2006.10.009

[6]金征宇. 前景與挑戰(zhàn):當(dāng)醫(yī)學(xué)影像遇見(jiàn)人工智能[J]. 協(xié)和醫(yī)學(xué)雜志, 2018, 9: 2-4.

[7]ESTEVA A, KUPREL B, NOVOA R A, KO J, SWETTER S M, BLAU H M, et al. Dermatologist-level classification of skin cancer with deep neural networks[J]. Nature, 2017, 542: 115-118. DOI:10.1038/nature21056

[8]蔡航. 基于神經(jīng)網(wǎng)絡(luò)的醫(yī)療診斷專(zhuān)家系統(tǒng)[J]. 數(shù)理醫(yī)藥學(xué)雜志, 2002, 15: 294-295. DOI:10.3969/j.issn.1004-4337.2002.04.003

[9]STOITSIS J, VALAVANIS I, MOUGIAKAKOU S G, GOLEMATI S, NIKITA A, NIKITA K S. Computer aided diagnosis based on medical image processing and artificial intelligence methods[J]. Nucl Instrum Methods Phys Res A, 2006, 569: 591-595. DOI:10.1016/j.nima.2006.08.134

[10]溫朝陽(yáng), 王金銳, 劉吉斌, 姜玉新, 華揚(yáng), 詹維偉, 等.中國(guó)血管超聲規(guī)范化及其繼續(xù)教育探索[J/CD].中華醫(yī)學(xué)超聲雜志(電子版), 2010, 7: 2016-2024.

[11]周嬙, 李煒, 智明春, 李貞愛(ài). 產(chǎn)科超聲工作站的應(yīng)用[J]. 中國(guó)醫(yī)療設(shè)備, 2016, 31: 121-122.

[12]唐守信, 張家君, 盧川. 甲狀腺影像報(bào)告和數(shù)據(jù)系統(tǒng)臨床應(yīng)用進(jìn)展[J]. 醫(yī)學(xué)影像學(xué)雜志, 2017, 27: 1573-1575.

[13]何獻(xiàn)忠, 許仲興, 陳欣, 龔連生. 人機(jī)大戰(zhàn)引發(fā)智能醫(yī)療的探討[J]. 中國(guó)醫(yī)學(xué)工程, 2016, 24: 35-37.

[14]施俊, 王銳玲, 周世崇, 常才. 結(jié)合乳腺影像報(bào)告和數(shù)據(jù)體系的乳腺超聲CAD研究進(jìn)展[J]. 生物醫(yī)學(xué)工程學(xué)雜志, 2010, 27: 1169-1172.

[15]林方才, 孫欣, 矯健, 劉娜, 查笑丹.自動(dòng)全容積乳腺超聲成像和超聲光散射對(duì)乳腺結(jié)節(jié)診斷的對(duì)比研究[J/CD].中華臨床醫(yī)師雜志(電子版), 2012, 6: 7898-7899.

[16]譚艷娟, 包凌云, 黃安茜, 朱羅茜, 闞光娟, 劉堅(jiān). 乳腺惡性腫瘤冠狀面匯聚征與臨床病理學(xué)相關(guān)因素分析[J]. 中國(guó)超聲醫(yī)學(xué)雜志, 2015, 31: 587-589.

[17]宋家琳, 劉翔, 章建全, 陳雁秋, 刁宗平, 盛建國(guó), 等. 高頻超聲影像肝臟包膜幾何特征定量評(píng)價(jià)患者肝硬化程度[J]. 中國(guó)醫(yī)學(xué)影像技術(shù), 2015, 31: 1907-1910.

[18]PAVLOPOULOS S, KYRIACOU E, KOUTSOURIS D, BLEKAS K, STAFYLOPATIS A, ZOUMPOULIS P. Fuzzy neural network-based texture analysis of ultrasonic images[J]. IEEE Eng Med Biol Mag, 2000, 19: 39-47. DOI:10.1109/51.816243

[19]趙佳琦, 徐琪, 章建全, 黃禾菁, 刁宗平. 骨骼肌超聲診斷邁向人工智能新領(lǐng)域:計(jì)算機(jī)輔助骨骼肌損傷超聲定量診斷[J]. 第二軍醫(yī)大學(xué)學(xué)報(bào), 2017, 38: 1217-1224.ZHAO J Q, XU Q, ZHANG J Q, HUANG H J, DIAO Z P. Ultrasound diagnosis of skeletal muscle promoted by artificial intelligence:a quantitative evaluation of injured skeletal muscle by computer-aided ultrasonographic texture analysis[J]. Acad J Sec Mil Med Univ, 2017, 38: 1217-1224.

[20]趙佳琦, 章建全, 徐琪, 陳雁秋, 盛建國(guó), 盧峰, 等.超聲圖像紋理分析技術(shù)對(duì)離體豬橫紋肌理化損傷模型的定量研究[J/CD].中華醫(yī)學(xué)超聲雜志(電子版), 2013, 10: 674-680.

[21]ZHAO J, ZHANG J, XU Q, SHENG J, DIAO Z, LIU S. Quantitative evaluation of striated muscle injury by multiscale blob features method[J]. J Med Ultrason (2001), 2016, 43: 337-345. DOI:10.1007/s10396-016-0708-y

[22]趙佳琦, 章建全, 趙璐璐, 宋家琳, 潘倩, 盛建國(guó), 等.不同消融功率致兔骨骼肌急性微波熱損傷修復(fù)的超聲影像演變特征[J/CD].中華醫(yī)學(xué)超聲雜志(電子版), 2016, 13: 780-789.

[23]XU Q, WU H S, CHEN Y Q. Statistical multiscale blob features for classifying and retrieving image texture from large-scale databases[J]. J Electron Imaging, 2010, 19: 1-7.

[24]陳東太郎, 徐琪, 曾衛(wèi)明.一種基于結(jié)構(gòu)化信息極大分解的肌肉損傷超聲造影圖像分割方法: 201510019412.4[P]. 2017-10-03.

[25]宋芫, 趙博文, 王蓓, 彭曉慧, 許立龍, 郭河清, 等. 超聲心動(dòng)圖自動(dòng)心肌運(yùn)動(dòng)定量技術(shù)評(píng)測(cè)左心室收縮功能的相關(guān)性研究[J]. 中華超聲影像學(xué)雜志, 2017, 26: 7-11. DOI:10.3760/cma.j.issn.1004-4477.2017.01.002

[26]佟彤, 熊奕. 智能三維超聲成像在胎兒領(lǐng)域的應(yīng)用進(jìn)展[J]. 中國(guó)介入影像與治療學(xué), 2016, 13: 188-191.

[27]STOITSIS J, GOLEMATI S, NIKITA K S. A modular software system to assist interpretation of medical images-application to vascular ultrasound images[J]. IEEE Trans Instrum Meas, 2006, 55: 1944-1952. DOI:10.1109/TIM.2006.884348

[28]季興.盆底超聲中基于回歸模型的膀胱脫垂自動(dòng)分級(jí)[D].深圳: 深圳大學(xué), 2017. http://cdmd.cnki.com.cn/Article/CDMD-10590-1017812659.htm

[29]胡晨明, 徐靜, 梁萍, 魯通, 任賀, 王旸, 等. 用于超聲引導(dǎo)介入治療的三維超聲系統(tǒng)[J]. 中國(guó)醫(yī)療器械信息, 2007, 13: 68-71.

[30]王弈, 李傳富. 人工智能方法在醫(yī)學(xué)圖像處理中的研究新進(jìn)展[J]. 中國(guó)醫(yī)學(xué)物理學(xué)雜志, 2013, 30: 4138-4143. DOI:10.3969/j.issn.1005-202X.2013.03.013

[31]MURAD A, PYUN J Y. Deep recurrent neural networks for human activity recognition[J/OL]. Sensors (Basel), 2017, 17. pii: E2556. doi: 10.3390/s17112556.



Copyright ? 2022 上??评讜?huì)展服務(wù)有限公司 旗下「智慧醫(yī)療網(wǎng)」版權(quán)所有    ICP備案號(hào):滬ICP備17004559號(hào)-5