AI賦能醫(yī)療影像抗疫

#文章僅代表作者觀點，不代表IPRdaily立場，未經作者許可，禁止轉載#

來源：IPRdaily中文網（iprdaily.cn）

作者：閆杰超凡知識產權咨詢信息技術部檢索分析師

原標題：AI賦能醫(yī)療影像抗疫

近日，一篇由醫(yī)療AI影像企業(yè)科亞醫(yī)療攜手國內六家醫(yī)院共同研究發(fā)表的完全基于肺部CT影像的深度學習判別新冠肺炎的論文《Artificial Intelligence Distinguishes COVID-19 from Community Acquired Pneumonia on Chest CT》被國際頂級放射學期刊《Radiology》使用的算法似乎在尋覓新冠肺炎的CT影性學特征方面找到了竅門，通過COVNet實現CT影像特征提取，對新冠肺炎、社區(qū)獲得性肺炎的鑒別準確性高。這項研究是AI在醫(yī)療領域的一個極具現實意義的應用，通過AI增效優(yōu)化新冠篩查流程，實現高效精準篩查、降低醫(yī)生工作強度，合理分配醫(yī)療資源的作用。人工智能AI在醫(yī)療領域的應用都有哪些呢？接下來，筆者從科亞醫(yī)療專利角度出發(fā)，介紹AI在醫(yī)療領域的應用。

新冠肺炎疫情期間，各家企業(yè)各展所能，積極研究，利用人工智能技術助力抗擊新冠肺炎。

近日，一篇由醫(yī)療AI影像企業(yè)科亞醫(yī)療攜手國內六家醫(yī)院共同研究發(fā)表的完全基于肺部CT影像的深度學習判別新冠肺炎的論文《Artificial Intelligence Distinguishes COVID-19 from Community Acquired Pneumonia on Chest CT》被國際頂級放射學期刊《Radiology》所接收，這篇文章使用的算法似乎在尋覓新冠肺炎的CT影性學特征方面找到了竅門，通過COVNet實現CT影像特征提取，對新冠肺炎、社區(qū)獲得性肺炎的鑒別準確性高。這項研究是AI在醫(yī)療領域的一個極具現實意義的應用，通過AI增效優(yōu)化新冠篩查流程，實現高效精準篩查、降低醫(yī)生工作強度，合理分配醫(yī)療資源的作用。

疫情期間，工信部也曾發(fā)布了《充分發(fā)揮人工智能賦能效用協力抗擊新型冠狀病毒感染的肺炎疫情倡議書》就提出了倡議，進一步發(fā)揮人工智能的聚能的效益，呼吁人工智能企業(yè)等能夠在疫情企業(yè)、預警、防治等方面積極做出貢獻。

AI賦能醫(yī)療影像抗疫

人工智能AI在醫(yī)療領域的應用都有哪些呢？接下來，筆者從科亞醫(yī)療專利角度出發(fā)，介紹AI在醫(yī)療領域的應用。

科亞醫(yī)療專利情況

通過對科亞醫(yī)療進行檢索發(fā)現，科亞醫(yī)療在全球領域公開/授權的專利共計96件，包括：發(fā)明專利87件，實用新型4件，外觀設計5件。在美國和中國都有專利布局，其中，美國涉及44件，中國涉及52件。

AI賦能醫(yī)療影像抗疫

從專利技術上看，科亞醫(yī)療相關專利涉及技術包括：醫(yī)療影像輔助診斷、醫(yī)學圖像目標分割/檢測、病歷/診斷報告生成、醫(yī)療圖像管理、病癥結果預測以及醫(yī)療設備6個方面，其中醫(yī)療影像輔助診斷專利數量最多，為43件。

AI賦能醫(yī)療影像抗疫

通過對科亞醫(yī)療專利分析發(fā)現，AI在醫(yī)療影像輔助診斷、醫(yī)學圖像目標分割/檢測、病歷/診斷報告生成、醫(yī)療圖像管理、病癥結果預測這幾個方面都有所應用。接下來，筆者分別針對這些方面介紹AI在其中的應用。

醫(yī)療影像輔助診斷

涉及專利數量43件，技術應用包括：（1）借助醫(yī)學圖像實現生理狀況預測；（2）血管狀態(tài)分析或者血流儲備分數（FFR）預測；（3）利用醫(yī)學圖像進行模型重建；（4）引導血管中的支架植入；（5）為生理上結構生成解剖學標記。

借助人工智能手段，對醫(yī)學影像進行處理分析或者模型構建，實現對患者的生理或者血管等狀況的預測，輔助醫(yī)生進行病癥診斷，降低醫(yī)生誤診漏診率，以及為醫(yī)生進行手術指引，例如通過模型重建，直觀呈現相關區(qū)域，以便于直觀的確定支架植入位置。

代表專利：CN110853029A 用于基于醫(yī)學圖像自動預測血流特征的方法、系統和介質

AI賦能醫(yī)療影像抗疫

本發(fā)明公開了一種用于基于醫(yī)學圖像自動預測血流特征的方法、系統和介質，獲取血管樹的圖像塊和血管相關特征；基于血管樹的圖像塊和血管相關特征，利用學習網絡來計算血管樹的血流特征，其中學習網絡包括依序連接的多模型神經網絡和樹結構遞歸神經網絡。

該方法能夠根據采集的目標對象血管的醫(yī)學圖像的圖像信息和血管相關特征來對該目標對象的血流特征進行精準的預測，如預測目標對象的血流儲備分數（FFR）等血流特征，以根據血流儲備分數幫助用戶對目標對象進行相應的病理判斷或其他處理。

醫(yī)學圖像目標分割/檢測

涉及專利數量27件，技術包括：（1）利用神經網絡方法實現圖像分割；（2）3D圖像中目標檢測；（3）醫(yī)學圖像中諸如血管等對象的中心線生成方法。

通過人工智能手段，實現了醫(yī)學圖像對象的檢測及準確定位，提高后續(xù)進行疾病預測的準確性。

代表專利：CN110148129A 3D圖像的分割學習網絡的訓練方法、分割方法、分割裝置和介質

AI賦能醫(yī)療影像抗疫

本公開提供一種3D圖像的分割學習網絡的訓練方法、分割方法、分割裝置和介質獲取，由圖像采集裝置采集的3D圖像；基于所獲取的3D圖像利用訓練好的分割學習網絡進行分割，其中，所述分割學習網絡基于卷積層、多個密集塊、解卷積層和輸出層的依序聯合而構成，所述密集塊內的基本單元之間具有密集連接，所述基本單元由批量歸一化層、RELU層和卷積層組成，且所述分割學習網絡的訓練所利用的損失函數更關注困難樣本且對遠離所述關注對象的負面體素進行懲罰。

通過上述方法，能夠以結構更緊湊且參數更少的學習網絡實現對不規(guī)則且小型的關注對象的快速且準確的分割，且該結構更緊湊且參數更少的學習網絡的訓練過程，解決現有技術中在學習網絡的訓練中嚴重的前景背景失衡問題以及準確勾畫目標物（如腫瘤）邊界繁瑣導致樣本稀缺而產生的過擬合的技術問題。

病歷/診斷報告生成

涉及專利9件，技術包括：（1）交互式診斷報告系統；（2）病歷文本處理。

通過人工智能方法，實現對文本的處理，能夠使用諸如電子病歷和生物醫(yī)學研究文章之類的自由文本或者醫(yī)學圖像描述語句來構造醫(yī)學報告和生物醫(yī)學文章，提高醫(yī)學報告的生成效率，節(jié)省醫(yī)生時間。

代表專利：CN109887577A 用于基于患者的醫(yī)學圖像生成報告的系統、方法和介質

AI賦能醫(yī)療影像抗疫

本公開提供一種用于基于患者的醫(yī)學圖像生成報告的方法，接收由圖像采集裝置獲取的醫(yī)學圖像以及用戶對至少一個視圖中的至少一幅醫(yī)學圖像的選擇，基于學習網絡自動生成描述所選擇的醫(yī)學圖像的關鍵詞，所述學習網絡包括串聯連接的卷積神經網絡和遞歸神經網絡。所述方法還包括接收在所生成的關鍵詞中的關鍵詞選擇，基于所述關鍵詞選擇生成所述報告，并且在顯示器上顯示所選擇的醫(yī)學圖像和所述報告。

上述方法提供了一種診斷報告系統，能夠達到基于用戶對醫(yī)學圖像的關注的視圖和/或區(qū)域的選擇來生成醫(yī)學診斷報告，以及生成描述醫(yī)學圖像的關鍵詞根據用戶對關鍵詞的選擇來創(chuàng)建診斷報告的技術效果。

醫(yī)療圖像管理

涉及專利8件，技術包括：（1）通過確定醫(yī)學圖像優(yōu)先級對醫(yī)學圖像數據進行排序以實現醫(yī)學圖像調度管理；（2）外觀專利，醫(yī)學圖像管理界面。

代表專利：CN108305671A 由計算機實現的醫(yī)學圖像調度方法、調度系統及存儲介質

AI賦能醫(yī)療影像抗疫

本公開涉及一種由計算機實現的醫(yī)學圖像調度方法、調度系統及存儲介質，獲取醫(yī)學圖像相關數據，對所述醫(yī)學圖像相關數據進行處理，以至少得到醫(yī)學圖像相關數據的優(yōu)先級參數，根據排序來呈現醫(yī)學圖像相關數據及其處理結果的隊列。

該方法基于人工智能對醫(yī)學圖像進行初步判斷并據此優(yōu)化調度，需要時還能夠將人工智能的判斷結果、醫(yī)學圖像的屬性信息（例如數據采集時間）和臨床醫(yī)生的診斷結果綜合起來對病例進行精確排序，確保病情緊急重要的病例能被及早及時地處理，優(yōu)化影像科醫(yī)生的工作量分配，均衡各位影像科醫(yī)生之間的工作量分配，并為各張醫(yī)學圖像分配勝任的影像科醫(yī)生，以避免因分配不當導致對醫(yī)學圖像相關數據的處理延遲。

病癥結果預測

涉及專利5件，技術主要包括：（1）借助人工智能手段對醫(yī)學圖像進行分析，以疾病分析結果；（2）借助神經網絡方法實現癌癥轉移檢測。

通過人工智能方法，對醫(yī)學圖像進行分析，實現患者病癥預測或者對診療結果風險預測以提早預估風險，便于醫(yī)生制定診療方案以及把控診療過程。

代表專利：CN110503640A 對醫(yī)學圖像進行分析的裝置、系統及計算機可讀介質

AI賦能醫(yī)療影像抗疫

本公開涉及一種對醫(yī)學圖像進行分析的裝置、系統及計算機可讀介質，基于所述醫(yī)學圖像利用訓練好的學習網絡來分別確定患有各種疾病的狀況，學習網絡依序包括編碼器和與每種疾病一一對應設置的遞歸神經網絡單元，編碼器被配置為基于所述醫(yī)學圖像提取特征信息，從輸入側起的第一個遞歸神經網絡單元被配置為：至少基于所述特征信息來確定患有相應疾病的概率；從輸入側起的第二個以后的每個遞歸神經網絡單元被配置為：基于特征信息以及至少一個相鄰遞歸神經網絡單元的隱藏信息來確定患有相應各種疾病的概率。

該方法以自動化的方式，幫助放射科醫(yī)師和臨床醫(yī)生快速準確地解讀醫(yī)學圖像且一并提供多種疾病的分析診斷結果。

人工智能在醫(yī)療領域的應用

事實上，除了上述介紹的應用之外，人工智能在醫(yī)療領域還可以應用在智能問診、基因測序、醫(yī)療物資調配、抗病毒藥物研發(fā)等方面。例如，依圖醫(yī)療開發(fā)的“新冠肺炎小依醫(yī)生”產品，提供面向大眾的新冠肺炎科普、智能問診及導診，以及面向政府的區(qū)域疫情的智能監(jiān)控及分析，等等。

據不完全統計，目前已有20余款人工智能系統應用在抗“疫”一線以及全國數百家醫(yī)院，服務人群包括疑似病例和確診病例達到數十萬人次，有效提升了新冠肺炎排查效率和診斷準確率。相信隨著人工智能技術的發(fā)展，在未來，人工智能技術在醫(yī)療領域會發(fā)揮更大的作用，助力醫(yī)療領域的發(fā)展。

參考文獻

1. https://news.yaozh.com/archive/29114.html
2. http://news.pharmnet.com.cn/news/2020/03/20/537750.html
3. https://www.sohu.com/a/372448044_120067116
4. https://blog.csdn.net/KuAI_KST/article/details/104171347
5. http://tech.gmw.cn/2020-03/25/content_33684579.htm

來源：IPRdaily中文網（iprdaily.cn）

作者：閆杰超凡知識產權咨詢信息技術部檢索分析師

編輯：IPRdaily王穎校對：IPRdaily縱橫君

點擊圖片，查看專題詳情！

AI賦能醫(yī)療影像抗疫

「關于IPRdaily」

IPRdaily是具有全球影響力的知識產權媒體，致力于連接全球知識產權與科技創(chuàng)新人才。匯聚了來自于中國、美國、歐洲、俄羅斯、以色列、澳大利亞、新加坡、日本、韓國等15個國家和地區(qū)的高科技公司及成長型科技企業(yè)的管理者及科技研發(fā)或知識產權負責人，還有來自政府、律師及代理事務所、研發(fā)或服務機構的全球近100萬用戶（國內70余萬+海外近30萬），2019年全年全網頁面瀏覽量已經突破過億次傳播。

（英文官網：iprdaily.com 中文官網：iprdaily.cn）

本文來自IPRdaily中文網（iprdaily.cn）并經IPRdaily.cn中文網編輯。轉載此文章須經權利人同意，并附上出處與作者信息。文章不代表IPRdaily.cn立場，如若轉載，請注明出處：“http://m.islanderfriend.com/