开启医学智慧之眼，医学影像中人工智能技术应用现状及展望.pdf

机器之心 产业研究2019年12月开启医学智慧之眼医学影像中人工智能技术应用现状及展望 智周人工智能技术应用报告系列 AI in Medical Imaging: Global Market Outlook智慧医疗Smart Healthcare医疗影像Medical Imaging智能科研Smart Research智能机器人Smart Robotics章节一：医学影像系统背景章节二：医学影像系统智能化产业及市场章节三：医学影像系统相关技术章节四：医学影像智能化技术应用案例章节五：医学影像智能化发展的局限性112028461.1 医学影像的定义1.2 医学影像系统的结构及流程1.3 医学影像与人工智能技术2.1 医学影像产业链2.2 计算机辅助医学影像系统发展的驱动因素2.3 基于影像数据的医疗机构合作链条2.4 全球及中国医学影像市场规模3.1 医疗设备成像技术3.2 医学影像压缩传输技术3.3 医学影像预处理技术3.4 医学影像分析技术3.5 影像数据挖掘技术4.1 疾病影像诊断4.2 医疗成像设备升级4.3 肿瘤智能放射治疗4.4 医生手术规划及导航4.5 手术机器人视觉系统升级4.6 医学影像数据挖掘系统4.7 数字化病理学研究05060812161819212323242629333738404244Contents目录04章节六：医学影像系统智能化发展趋势附录5156前言01概述02 前言 医学影像的发展已逾百年历史，从 1895 年德国物理学家威廉康拉德伦琴发现 X 射线，到医学超声、MRI、CT、PET、数字切片扫描仪等一系列医学影像设备的诞生，通过影像设备的成像功能，人体结构器官、组织及细胞的代谢情况被清晰展现在面前，医学影像在医学诊断、治疗及研究中发挥着越来越重要的作用。除了影像设备的种类不断增加，医学影像成像技术也在不断升级，功能不断丰富，从结构性成像到功能性成像，再到多模态融合等新技术的出现，医学影像设备朝着更高分辨率、更短成像时间、更低辐射、更精细的影像特征方向不断发展。同时，也因医学影像具备数据密集的特征，随着数据挖掘、计算机视觉、深度学习等数据智能技术的不断应用，可提升医学影像自动化处理及分析的水平，进行分割、病灶识别、疾病分型，赋予了医学影像数据应用更多的智能化属性，进一步减轻了医生的工作负荷，降低了临床误诊率，为患者带来了更加优质的医疗资源供给。医学影像行业的发展，正在不断改变着医学诊断、治疗、科研过程，医生、患者、医学科研人员都将从中受益，亦会带来整个医学影像产业的发展与繁荣。对医学影像行业发展背后的本质原因进行探究，相信也会有所裨益。本报告基于机器之心在医学影像中人工智能技术应用发展方面的研究工作，通过医学影像系统背景、医学影像系统智能化产业及市场、医学影像系统相关技术、医学影像智能化技术应用案例、医学影像智能化发展所遇瓶颈、医学影像系统智能化发展趋势等六大章节，全面展现人工智能技术在医学影像领域的应用现状与未来。 机器之心希望通过本报告，帮助医生、医疗机构人员、医疗影像设备制造商、计算机视觉算法工程师等相关从业者了解计算机视觉技术如何应用到具体医学影像系统中，并为计算机视觉技术在医学影像领域商业化落地的可行性提供决策参考。01 概述 医学影像按成像原理主要分放射性成像设备图像和病理切片成像图片两大类，分别在病情诊断、医疗器械操作、医生手术执行、病理研究等放射科、手术科、病理科的多个医疗环节有广泛的使用。不同的医学影像成像设备具有不同的成像原理，所输出的影像效果以及所呈现的信息均有所不同，也用于不同的疾病诊断及医疗环节。获得的医学影像数据通过信息化系统，如图像存储与传输系统（PACS），进行传输和存储，并在各类辅助医生进行阅片、诊断、治疗、研究等医疗工作的影像软件系统上使用。近年更多人工智能技术创新公司也尝试通过机器学习技术对影像进行数据挖掘和内容分析，提供各类影像数据分析技术的插件，希望提升影像数据的临床应用效率，开发出影像数据中潜藏的医疗与科研价值。机器之心在总结及调研了近百余家医学影像相关公司及科研机构的产品 / 解决方案、应用案例及科研成果后发现，人工智能技术对医学影像系统智能化升级主要体现在三个方面：1. 医学影像软件系统诊断及分析功能的升级。通过机器学习、深度学习等技术，计算机能够对影像进行更高效及精确的分析与处理、处理来自不同设备不同类型的医学影像信息、帮助医生进行手术规划及导航；2. 软件技术的升级推动医疗硬件设备工艺的升级：包括成像设备的成像系统从只能进行二维成像升级为可以进行三维成像、肿瘤放疗设备可以更精准地进行放射治疗、手术机器人在升级版的机器人视觉系统帮助下进行更高效的手术操作；3. 推动临床医学以及病理学研究的数字化进程，更好助力医学科研工作。尽管人工智能技术的应用仍受限于缺乏高质量影像数据、缺乏统一衡量医学影像智能化效果的评价指标、对于动态影像辅助诊断需要的动态数据处理技术的算法编制难度大、医学影像智能诊断应用局限于特定病种、计算机辅助诊疗产品难以通过监管部门认证等问题，但由于人工智能技术与成像技术的突破、医疗机构数据的开放与共享、监管流程的优化等因素，我们有望在不久的将来看到更加智能化的医学影像设备及多元化的医学影像诊断及分析应用。0203机器之心S ynced | 智周人工智能技术应用报告系列 机器之心 产业研究我们看到医学影像行业的 12 大未来发展趋势：1. 医学影像成像设备技术升级2. 医疗影像设备终端运算能力增加3. 影像产品集成更多病种4. 医学影像数据融合应用5. 迁移学习助力影像神经网络模型训练6. 医学影像自动化数据标注技术7. 分子影像学应用于分子及细胞层面图像处理，从生理、生化水平进行疾病诊断治疗8. 介入影像学助力非外科手术方法诊断及治疗9. 影像中心与医生集团合作，更大程度利用医生专家资源10. 区域影像数据中心建设，促进区域级别影像数据流转及应用11. 医院内部针对相对割裂的影像信息系统的统一整合12. 医学影像专家团队开发模型评估体系与统一标准04 章节一 医学影像系统背景1.1 医学影像的定义1.2 医学影像系统的结构及流程1.3 医学影像与人工智能技术05机器之心S ynced | 智周人工智能技术应用报告系列 机器之心 产业研究 1.1 医学影像的定义医学影像是指为了医疗或医学研究，对人体或人体某部分，以非侵入方式取得内部组织影像的技术与处理过程。医学影像根据成像类型，主要分两大类：1. 放射性成像设备图像：主要应用在放射类、放疗类、手术类场景，例如病情诊断、医疗器械使用、医生手术执行等临床应用。2. 病理切片成像图像：将组织或细胞粘附在玻片上，染以各种颜色，供在显微镜下检查，以观察病理变化，作出病理诊断，为临床诊断和治疗提供帮助。医学影像根据临床应用场景，主要分三大类：1. 在放射科中，影像医生通过组织及器官医学影像进行疾病诊断：在现代医院建设中，放射科是一个集检查、诊断、治疗于一体的重要辅助科室，配备了 X 光机、CT、MRI 等医学影像成像设备，临床各科许多疾病都须通过放射科设备拍摄图像，辅助临床诊断（识别、标注、定性、分级）。通过放射科影像设备的结构化成像和功能性成像，医生能够得到组织器官的解剖结构和组织内部的代谢情况等信息，了解人体内部的病变情况，定位病灶位置。同时可进行放射治疗方案制定（分割、描边、大小、评估），通过成像设备对靶区进行自动勾画，实现定位及形成影像。由于放疗需要杀死细胞，病变区域勾勒的越准确越好，对智能影像识别准确率要求高。2. 在手术室中，手术医生借助影像三维重建、微型摄像头、内窥镜等进行手术成像：手术室是为病人提供手术及抢救的场所，是医院的重要技术应用部门。在手术前，医生对 CT 等影像通过 3D 可视化等技术，进行三维重建，进行手术前规划，确保手术的精确性。在手术过程中，医生通过手术设备的微型摄像头进行手术导航，或通过手术机器人的内窥镜视觉成像操作手术等。3. 在病理科中，病理医生通过患者组织切片或细胞涂片进行病理诊断：病理诊断是最终确诊环节，被称为疾病诊断的金标准，MRI、 CT、 B 超等影像判读的正确与否要参考病理诊断的结果。病理科是大型综合医院必不可少的科室之一，其主要任务是在医疗过程中承担病理诊断工作，通过显微镜等光学设备，观察患者的病理切片，进行细胞学检查、免疫组织化学检查等，为临床提供明确的病理诊断，确定疾病的性质。传统的病理检验是医生在显微镜下直接读取病理涂片，现代数字化病理系统使得 AI 读片成为可能。医学影像研究包含以下两个相对独立的研究方向：1. 医学成像系统（medical imaging system）：指图像形成的过程，包括对成像机理、成像设备、成像系统分析等问题的研究。2. 医学图像处理（medical image processing）：指对已经获得的图像作进一步的处理，其目的是使原来不够清晰的图像复原，或者是为了突出图像中的某些特征信息，或者是对图像做模式分类等。106机器之心S ynced | 智周人工智能技术应用报告系列 机器之心 产业研究 1.2 医学影像系统的结构及流程1.2.1 医学影像生成及流转过程医学影像生成医学影像产生于医学影像成像设备，根据设备的特点，获取的影像通常可分为两种类型：静态图像、视频图像。影像医师在工作站客户端进行阅片、诊断与信息记录工作。医学影像信息管理系统影像信息还将被存入影像系统，以备存储、传输与管理。数字化的医学影像通常使用医疗数字影像传输协议（DICOM），并通过医学影像存储与传输系统（PACS）来实现影像储存、传输与管理。医学影像分析诊断应用影像分析诊断应用是医学影像产生作用的核心环节，与患者疾病的诊断及治疗密切相关，主要包含七大应用场景：疾病影像诊断、医疗成像设备升级、肿瘤智能放射治疗技术、医生手术规划及导航、手术机器人视觉系统升级、医学影像数据挖掘系统、数字化病理等。图：医学影像产生及流转过程1.2.2 医学影像生成临床常见的医学成像系统包括 X 射线成像系统、计算机断层成像系统（CT）、核医学成像系统、超声成像系统以及磁共振成像系统等。不同的系统成像方式、主要设备、应用环境都有所不同。07机器之心S ynced | 智周人工智能技术应用报告系列 机器之心 产业研究图：医学影像设备 X X X CT CT X X CT (MRI) 表：常用医学影像成像设备及其成像原理08机器之心S ynced | 智周人工智能技术应用报告系列 机器之心 产业研究 1.3 医学影像与人工智能技术人工智能在医学影像的各个应用场景中，主要解决两大类任务：医学图像数据感知及分析主要处理的是计算机视觉问题，使用技术统称为计算机视觉技术，包括传统图像处理技术、机器学习、深度学习等技术方法。计算机视觉技术在医学影像中的应用主要集中在图像处理中，涉及医学图像分割、图像配准、图像融合、图像压缩、图像重建等多个领域，也因其处理动态图像的实时性及能力的提升被应用到各类医学成像设备的成像工艺升级以及辅助医疗器械的定位和导航上。1.2.3 医学影像信息管理系统医学影像信息管理系统一般包含医学影像存储与通信系统（PACS）和放射科信息系统（Radiography Information System，RIS）两大模块。现代医学影像信息管理系统以医学影像的采集、传输、存储和诊断为核心，集影像采集传输与存储管理、影像诊断查询与报告管理、综合信息管理等综合应用于一体。现代医学影像信息管理系统通常以 DICOM3.0 国际标准设计，通过高性能服务器、网络及存储设备构成硬件支持平台，以大型关系型数据库作为数据和图像的存储管理工具。PACS主要功能是图像信息的获取、传输与存档和处理，把医院影像科日常产生的各种医学影像通过DICOM3.0国际标准接口以数字化的方式海量保存起来，在有需要的时候调取使用，同时也可能具备一些辅助诊断管理功能；RIS主要功能包括病人检查预约、影像设备管理与预定、医嘱的输入与管理、病人与设备预约的管理、影像诊断报告和生成与管理、划价、收费等。21.2.4 医学影像分析诊断应用医学影像数据占医疗数据总量的 90% 以上，需要消耗医生与科研人员大量的时间与精力进行分析诊断。通过机器学习技术对影像进行数据挖掘和内容分析，能够极大提升影像的临床应用效率，开发出影像数据中潜藏的医疗与科研价值。3影像分析诊断影像医师在进行影像分析诊断时，需要对医学影像进行各种各样的定量分析、历史图像的比较。医学影像结合机器学习技术，能够完成对影像的分类、目标检测、图像分割和检索工作，协助医生完成诊断工作，在放射、放疗、手术以及病理中均有应用。4影像数据挖掘医学影像信息被数字化、数据化后形成了丰富多样的、存储量庞大的医学大数据。在对原始影像进行预处理后，通过一系列医学影像数据挖掘算法进行处理，能够生成可用于高层次挖掘的影像特征库，发掘影像数据内在联系和价值。