醫學影像AI：全球市場展望

憑藉其提高的生產力和準確性以及更加個性化的體驗，AI正在徹底改變醫學成像。據Signify Research稱，到2023年，全球醫學影像人工智慧市場，包括自動檢測，量化，決策支援和診斷軟體，將達到20億美元。

全球醫學影象分析軟體的收入預測（Signify Research）

醫學成像處理中使用的AI技術包括深度學習，機器學習，AR，資料探勘等。這些技術能夠實現疾病篩查，疾病診斷，醫學外科等方面的一系列目標。

AI啟用醫學影象處理：醫學影象處理本質上是計算機視覺技術的應用。機器學習和深度學習等AI技術被用於計算機視覺技術處理的成像資料的智慧分析，如成像配準和融合； 並可以協助醫生進行醫學影象標記，疾病診斷和手術。

醫學影象與其他型別的資料整合以供分析：如果在AI演算法的訓練中將醫學成像資料與患者的身體體徵，病史，遺傳資訊，身份資訊和其他非影象資料相結合，這可以幫助機器分析更高維度的資料並提取最基本的特徵。探索疾病背後隱含的相關性可以幫助醫生更準確地診斷疾病。

深度學習在疾病診斷中超越機器學習：傳統的計算機輔助診斷（CAD）方法主要基於機器學習或專家系統，並且因機械執行或無益而受到批評。然而，深度學習演算法已被證明更有效，並且可以更全面地處理醫學資料，提取有用資訊並輸出疾病的關鍵點，從而使醫生免於耗時的臨床工作。

醫學成像使用情景中的

AI在處理醫學成像資料時，AI具有優勢，因為CNN和RNN可自發地適應影象處理。在醫院和其他醫療機構，如獨立成像中心和體檢中心，醫學成像處理已成為人工智慧最重要的實際應用之一。

下表排除了沒有醫學成像資料的情景，例如醫學純文字處理。它也省略了生物電，其中影象處理技術與通用計算機視覺技術截然不同。

谷歌--LYNA： 谷歌的LYmph節點助手（LYNA）深度學習計劃可以訓練乳腺癌患者的病理幻燈片，以準確檢測乳腺癌的傳播。該演算法可以區分載玻片與轉移性疾病，並確定每張幻燈片中的癌症部位和其他可疑區域。與LYNA相比，病理學家檢查幻燈片所需的平均時間僅為一分鐘，而沒有助手則需要兩分鐘。

ImmersiveTouch--ImmersiveView：這是一套整合的VR實時解決方案，用於優化個性化的手術計劃，患者參與和手術教學。ImmersiveView套件將CT和MR影象轉換為直觀，準確，高解析度的VR模型，允許醫生操縱和探索患者的VR模型，以評估手術選項併為手術做好準備。

直觀的手術--達芬奇系統：達芬奇系統包括一個控制檯和一個包含腹腔鏡的病人側推車，腹腔鏡是一個細管，在終端設有微型攝像頭和光源。它的設計允許外科醫生靠近控制檯操作並移動攝像頭，攝像頭將影象傳送到顯示器以指導外科醫生。

醫學影像中AI的趨勢和侷限性

人工智慧技術受到醫學影像市場的歡迎，因為它可以降低效率低下並節省醫生的時間，但也有一些因素限制了AI在醫學影像中的實際應用。例如，大量醫學成像資料分散在不同的醫院，獨立的成像中心和研究機構中，這使得難以有效地組裝和利用醫學成像資料。

AI的快速改進繼續推動醫學成像技術的開發和部署。除疾病診斷外，AI還可用於分子/細胞水平的影象處理和介入成像，協助非手術診斷和治療。預計監管機構和行業協會將合作組建醫學影像專家團隊，為行業建立演算法模型評估標準。

https：//syncedreview.com/2019/04/27/ai-in-medical-imaging-global-market-outlook/

新浪宣告：新浪網登載此文出於傳遞更多資訊之目的，並不意味著贊同其觀點或證實其描述。