|
0 引言 人工智能的广泛应用促使其在医学影像中做 出了突出贡献，进一步提高了影像诊断的效率，优 化了服务。随着人工智能的进一步发展，在应用现 实中面临了更多的挑战。为此，医学领域应加以研 发完善，以此不断降低医学影像在操作方面的失误 率，提高诊断准确度，以准确的数据为临床治疗提 供更多的帮助。 1 人工智能与医学影像 协助计算机展开工作。人工智能的发展离不 开计算机的支撑，要想全面发挥人工智能在医学影 像中的应用优势，必然要在计算机的协助下展开工 作。计算机作为医学信息传递的主要工具之一，随 着人工智能的加入，也使得计算机的工作开展更加 高端化、多元化，打造了图像处理、计算机视觉、 医学影像，更好的通过系统处理，对异常情况实施 详细的查探和标注，提供疾病诊断的参考数据，辅 助医生更好的探究病源，制定针对性的治疗措施， 显著提高了医学判定的准确率。同时，科技技术的 日新月异，也使得计算机系统得到了快速升级，基 于机器学习和图像处理技术的CAD在医学影像领域 中也得到了重大突破，从多个方面来看，计算机的 图像处理能力、数据累积能力等都获得了前所未有 的提升，图像显现相对于以前来说也更加的清晰， 深度学习在医疗图像上的研究迎来了高潮，将原本 的CAD结构简单化、规范化，进一步发挥了其应用优势。 影像组学。影像组学是基于大数据技术下的海 量图像处理技术。影像组学能够对大量的数据信息 实施深层次的挖掘、探究和分析，从中发现信息规 律，找出数据应用价值，对最终医学检验结果提供 辅助， 以此进一步提高疾病判定的准确率，推动医 学领域的高质量发展。在分析流程中，主要涵盖了 五个步骤：（1）同构CT、PET等影像扫影技术采集 需要的图像；（2）对图像展开深入探究，结合现实 需求对图像进行分割，划分为多个区域；（3）针对 存在疑问的地方需要进行标注和提取，具体包括了 纹理、位置、形状等特征；（4）针对标注出来的 特征进行汇总分析，一般来说分析方法有主成分分 析、相关性分析等等；（5）通过机器学习方法对影 像组学进行预测和评估，而后构建出分类模型[1] 。 影像组学的出现，突破了传统的医学模式，摒弃了 传统形态学及半定量分析模式，其不仅为医学领域 提供了海量信息，还从中挖掘出更多有价值的数 据，探查部位的初期判定效果提高，在更好提升医 学服务水平的同时，为医学领域的未来发展带来了 宝贵财富。 影像基因组学。基因组学的发展历程较长， 随 着时代的发展，其逐渐趋于成熟化。通过影像基因 组学的应用，能够实现更加高效化的医疗。在传统 的基因检测手段中，大部分时候都是靠活检，不仅 对患者造成了一定的身心伤害，增加了创伤程度，检测准确率还不是百分之百，存在相应的风险，十 分容易产生不良反应，引发一系列相关性问题。和 传统的医学模式相比，智能化医学影像的应用优势 更多，其在目标上应用所带来的不良影响并不显 著，未呈现出侵入性的特点，同时在该背景下还实 现了高分辨率、时空连续等优势，也是当前生物医 学重点的研究内容之一。www. 2 基于人工智能的医学影像展望 政策层面。2018年我国颁布的相关政策法规 中，将医用软件进行了明确分类，并设定了不同审 批通道。但是就目前国内发展情况来看，没有一家 医疗企业的产品获得了三类证，更加谈不上对市场 实施了规范化管理。国家食品药品总局积极借鉴了 西方发达国家的成功经验，不断探索人工智能应用 于医学领域的相关情况，确保了医药产品的安全性 之余，又为人工智能技术的发展指明了方向。在医 学领域中，目前国内针对人工智能设备的收费项目 还未明确，即便是个别先进的医院已经积极投入了 大量的人工智能产品，但是依然不能对患者进行高 额的收费。所以，在该背景下，大部分医院采购人 工智能产品的意愿有所下降，资金不够充裕，间接 的造成了人工智能在医疗市场中的流通水平，更加 不利于相关科技企业对于人工智能技术的进一步研 发，使得人工智能和医疗器械的融合程度有所限制。最终，人工智能医学影像的发展过程中会遇到 很多阻碍，发展速度逐渐减缓，多元化的功能开发 进程存在很多困难。 技术层面。人工智能技术十分多样化，其在 医学领域中的发展空间巨大，但是目前国家关于该 方面的统一应用标准还未出台，再加上人工智能技 术存在或多或少的系统漏洞，不仅需要专业的人员 进行操作，在系统本上的应用上也不是百分之百的 准确，很容易出现一些标注瑕疵和不可控因素。为 此，国家必须要积极出台相关规章制度，进一步规 范人工智能产品的研发流程，提升产品应用水准。 依据不同人工智能产品的类型和特点，将其和医疗 器械有机融合，不断开发出更多功能丰富、准确率 高的产品。但是，人工智能医学影像在获取高质量 数据方面还是存在很多缺陷，例如大部分的三甲医 院才有实力应用先进智能化设备，在中小医院中的 应用较少，这就出现了数据共享力度不足，信息存 在壁垒的情况。其次，由于我国医疗数据十分庞 大，大部分数据都是非结构化数据，参考价值不 高，再加上不同医院、不同场景、不同器械代表的 问题不同，进而使得人工智能医学影像的应用受到 限制。最后，临床病症指南离不开技术的更新，医 护人员和科研人才必须要不断完善、更新，才能够 做到与时俱进，造福社会和人类，这对于医护人员 和科研人才的综合水平要求较高。此外，机器学习算法的普适性也影响到人工智能医学影像，科研人 才必须要收集更多有用的数据，加大研发设计力 度，才能够克服普适性方面的挑战[2]。 行业层面。我国医学影像的发展空间较大，发 展速度也很快，在国家支持的大环境下未来的发展 前景一片大好。但是，由于大部分患者对于医学影 像概念和应用知识较少，在现实生活中极有可能对 该方面产生误解。同时收费方面，患者也需要长时 间的适应和认可。虽然人工智能医学影像已经收获 了一定的成绩，但是在临床中的应用频率还不高， 究其原因是数据上的缺漏，不能够百分百的保证测 试数据集上的高准确率。个别医护人员对于数据的 搜集和处理方法不够完善，责任心不强，没有将相 关工作细节纳入考虑范围中，这也使得人工智能医 学影像的应用范围不广。此外，人工智能医学影像 的应用受到医生综合性水平的影响，受到医院实 力、医院决策等多方因素的影响，所以，医院必须 要加大宣传力度，从思想上引起重视，引入更多先 进设备，并且要定期对医护人员展开知识和技术上 的培训，最大程度发挥人工智能医学影像设备的应 用价值，确保其能充分被利用，最终促进医院的健 康、高端发展。 3 结语 人工智能的不断发展，发挥了医学影像的应 用优势，不仅保证了疾病筛查的准确率，还进一步 提升了诊断效率[3-7] ，为医生确定病情种类和病情 程度提供了参考依据。人工智能医学影像在未来的 发展道路中，还存在很多困境和挑战，只有加以研 发，结合现实需求加强功能设计，才能更好地让人 工智能医学影像造福人类。 参考文献 [1] 朱森华,章桦.人工智能技术在医学影像产业的 应用与思考[J].人工智能,2020(03):94-105. [2] 韩冬,李其花,蔡巍,夏雨薇,宁佳,黄峰.人工 智能在医学影像中的研究与应用[J].大数据, 2019,5(01):39-67. [3] 冯伍,张俊兰.人工智能在医学上的应用[J].电 子设计工程,2010,18(01):19-20. [4] 侯景.浅析人工智能医学影像应用的现实与挑 战[J].价值工程,2020,39(06):234-235. [5] 倪炯,王培军.医学影像人工智能的现状与未来 [J].中华医学杂志,2021,101(07):455-457. [6] 庞浩.基于深度卷积神经网络的医学影像诊 断关键技术研究[D].北京：北京邮电大学, 2019. [7] 张卓群,曹钟淼,王慧.人工智能的发展及其 在医学领域中的应用[J].数字技术与应用, 2019,37(04):75+77. |
|
|
