专访东南大学杨冠羽教授：人工智能已在医学影像诊断中发挥重要作用

（2）图像分割：医学影像中常常存在一些困难的问题，例如图像模糊、低对比度和噪声等。这些问题往往会导致医生在影像分析和诊断过程中遇到困难。AI技术可以帮助医生解决这些问题，提高医学影像的质量。其中，图像分割是一种非常有用的技术，它可以将医学影像中的图像分成不同的区域，并将每个区域分配给不同的组织、结构或器官。

AI技术在医学影像诊断中有哪些应用？

杨冠羽：

主要有3个方面的应用：

（1）CT和MRI影像分析：CT和MRI是临床医学中常用的影像检查方式，但这些图像的分析往往需要耗费大量的时间和精力。AI技术可以自动识别图像中的组织和器官，并在较短时间内对图像进行分析。例如，在CT扫描中，AI可以帮助医生自动识别骨骼结构、血管、肿瘤等，并给出诊断建议。这大大减轻了医生的工作负担，提高了诊断的准确性和速度。

（2）乳腺X光检查：AI技术在乳腺X光检查中也有广泛应用。乳腺X光检查是目前早期发现乳腺癌的主要方式之一，但是对于医生来说，分析X光图像需要较高的技能水平。通过使用AI技术，可以帮助医生快速和准确地分析图像，识别潜在的乳腺癌病变。

（3）超声和心脏影像分析：超声和心脏影像是心血管疾病诊断的关键。AI技术可以通过自动识别图像中的心脏结构、功能和血流来帮助医生进行诊断。例如，在超声图像中，AI可以自动计算心脏的大小和运动范围，并生成心脏的三维图像，帮助医生更准确地诊断病情。

近期我们国内在AI+医学影像方面有哪些实践案例？

杨冠羽：最近的相关研究案例是针对江苏省人民医院提出了治疗肾癌的新方法——肾段动脉阻断的腹腔镜下肾部分切除手术。该手术技术难度较大，对术前个体化精准手术方案要求较高。我们团队与江苏省人民医院泌尿外科、影像科合作，利用人工智能技术，研究了基于三维卷积神经网络的一系列术前影像处理关键算法，实现了术前CT图像中，肾脏、肿瘤、动脉、静脉等手术相关器官的全自动分割，段动脉供血量化评估等，为精准的腹腔镜下肾部分切除术计划设计创造了条件。相关成果发表在包括Med Img Anal、IEEE JBHI、MICCAI、IJCAI等医学图像处理及人工智能领域的顶级期刊和会议上。

AI技术在医学影像诊断中的未来发展趋势请和我们分享一下。

杨冠羽：我认为未来趋势主要有4个方面：

（1）更加精准：随着深度学习技术的不断进步，AI算法的精度将会更高，诊断结果将更加准确。目前的AI算法已经可以在医学影像上进行复杂的图像分析和诊断，但是在一些细节上还存在误诊的情况。未来，随着深度学习技术的进一步提升，AI算法的精度将会更高，诊断结果将更加准确。

（2）个性化：未来的医学影像诊断将更加个性化。AI技术可以对每个患者的影像数据进行分析，并根据患者的个体差异提供更为准确的诊断和治疗方案。比如，根据患者的基因组数据和影像数据，AI技术可以预测患者患某种疾病的风险，或者提供个性化的药物治疗方案。

（3）远程医疗：随着5G技术的普及，AI技术在医学影像诊断中的应用也将更加广泛。5G技术可以实现更加快速、稳定的数据传输，将医学影像数据从患者现场传输至远程医生手中，大大提高了医疗服务的效率和质量。

（4）教育和培训：未来AI技术在医学影像诊断领域还将会应用于医学研究和教育。AI技术可以利用大量的医学影像数据进行分析和研究，为医学研究提供更多的数据支持和方法论。同时，AI技术还可以应用于医学教育，为医学生提供更加真实、直观的学习体验，提高医生的诊断能力和工作效率。

感谢杨教授的分享，我们相信，随着AI技术在医学影像诊断中的作用不断凸显，未来医疗服务的效率和质量一定能快速提高！返回搜狐，查看更多