“国内首个对比超声设备的AI检测系统实现视频实时智能检测乳腺”

本篇文章1545字，读完约4分钟

科学技术日报记者马爱平

ai技术的应用正在时代变化。 在医疗领域的ai应用中，技术从2d图像ai、3d图像ai到视频实时ai的成长。 前几天，在世界人工智能云峰会上，发表了医准智能乳腺超声智能检测系统。 这是国内首款对比超声波设备的动态实时ai检测系统，将乳腺智能检测推进到了视频实时ai3.0时代。

从医疗ai1.0到3.0的算法、数据变迁

医疗ai从ai1.0向ai3.0的变化，不仅在病种变化上，在算法、数据成熟度上也逐渐变得困难起来。

“医疗ai1.0期主要面向2d图像，算法和数据公开度分为两个阶段，所以第一阶段的病种以肺结节/眼底等具有公开数据集的病种为代表。 第二阶段的病种以乳腺钼靶等病种为代表。 ”。 医准智能首席ai官王子腾先生介绍。

“医疗ai2.0期面向3d图像，医疗图像的很大一部分是表示ct和mr等3维结构的排列多个图像。 ”王子腾表示，医疗ai 3.0期面向实时视频，在这一时期，ai甚至没有被公认为处理未公开的数据集、拥有现成的算法模型、如何收集数据、如何进行标注

高要求、低现实、超声波视频ai的开发困难

在全国范围内，超声波问题的探索也多着眼于二维图像。 “首先，二维静止图像比较容易获得。 其次，二维图像的求解算法难度相对较低。 ”。 医准智能创始人兼首席执行官吕朝翁曾表示，就实际应用场景而言，二维图辅助诊断与临床辅助诊断还有很大差距，二维图病灶新闻不够多，解体准确性存在天然瓶颈。

但是，实时视频超声波的开发更为困难。

“这是根据超声波自身的优势和医疗ai领域的现状决定的。 首先，超声波是一系列连续的视频信号，与以前传递的辐射图像有很大不同，收集、存储和识别这类数据需要设计一系列新的方法。 其次，对于医疗视频的识别，也没有现成的算法，需要设计互联网模型，兼顾运算速度和准确率。 ”。 吕朝介绍说，超声波研发目前面临的首要技术课题是对实时性和准确率两方面的高要求，必须达到实时性和极高的准确率。

乳腺加剧了开发ai技术的难度

作为超声检查的具体部位，乳腺自身的优势也加剧了ai的技术开发难度。

“这首先表现在乳腺病灶和脂肪难以区分这两个方面。 多数情况下，脂肪的部分切面看起来像病灶，因此临床发现可疑病灶后，一般要充分扫描，多角度扫描，结合前后多帧图像的新闻，综合评价其是否为病灶，排除假阳性 在视频检测算法中，由于实时性的诉求，越来越关注当前接收的影像，对当前接收的影像进行分析。 ”。 医学准智能算法工程师马塞尔说。

马尔接下来介绍了乳腺病灶的良恶性评价困难。 该任务在算法中被称为分类任务，医生在对病灶进行良恶性评价时，首先必须扫描病灶多个切面的新闻综合评价，其次不仅要关注病灶本身，还要关注病灶后方回声有无变化、周边cooper韧带有无断裂 一般的分类算法只是挖出病灶部分进行分解，周边的新闻没有被充分利用。

由于超声和乳腺带来的双重困难，乳腺超声视频检查和分类算法的研发道路十分曲折，市场诉求和研发进度上矛盾极为突出。

建立新模型，处理乳腺超声“超纲”问题

“之所以能够处理乳腺超声的‘超纲’问题，是因为我们创造性地建立了新模型，而不是在现有模型中采用迁移学习和参数调整等常规方法来训练学习。 对比乳腺超声的两个技术难点，我们提出了自己的处理途径。 ”。 吕晨说。

对比乳腺病灶与脂肪难以区分且假阳性增加的问题，医准智能除了fpn利用多尺度特征外，还加入了时间维度新闻，采用3d cnn提取病灶时间维度和空间维度的三维特征，综合这些特征，

比较病灶良恶性评价困难的问题，医准智能要得到更准确的良恶性分类结果，首先从病灶各断面视频中恢复病灶三维结构，然后加入观察力机制，以不同权重将周边组织特征加入病灶特征，完全利用病灶及其周边新闻，