白癜风早期症状 http://www.bdfyy999.com/m/机器之心报道
机器之心编辑部
3月23日，在机器之心AI科技年会上，数坤科技研发副总裁危夷晨发表了主题演讲《AI在医疗影像的应用和探索》，对AI+医疗影像行业进行了全面的介绍。
以下为危夷晨在机器之心AI科技年会上的演讲内容，机器之心进行了不改变原意的编辑、整理：
感谢机器之心邀请我来参加这次活动，我是数坤科技的危夷晨。
我长期从事计算机视觉方面的科研和产品研发，之前在旷视科技和微软亚洲研究院工作。最近我加入了数坤科技，从事AI医疗影像方面的技术研发。
这次的分享主要是一个对于AI+医疗影像行业的全面介绍，由于时间的关系可能不会特别深入，但我希望能把这个行业的一些特点、发展历史给大家做一个简明的介绍，因为很多计算机视觉、图像领域的从业者对于医疗影像行业的了解相对较少。
第一部分是整个AI+医疗的时代背景，众所周知我国老龄化开始加速，医疗健康的需求在急剧增加。同时我们的医疗资源非常不平衡，大医院人满为患，小医院基本没什么人去。为了解决这个突出的供需矛盾，国家提出需要把人工智能方向上升到国家战略方向，需要跟一些重要的民生领域做深度的结合，其中就包括医疗健康，需要让AI给医疗健康赋能，提升信息化智能化的程度，提升服务能力。
不仅是在中国，科技跟医疗健康产业进行结合是全球的趋势。如图是研究机构CBInsights在年发布的全球数字健康产业的前名公司名单，在医疗影像领域数坤科技是唯一入选的中国企业，这也代表了国际顶级研究机构对数坤的认可。
在国内，也有很多的公司把AI技术跟医疗场景结合起来。其中，医疗影像是很大的一个赛道。
为什么做医疗影像？有两个原因，第一个原因是有需求，因为在整个诊疗过程中，影像分析是第一个环节，目前来说影像科的数据增长率非常高、需求多，但是医生的增长相对缓慢很多，供需矛盾突出。同时，影像科的人力成本和设备成本较高，效率较低，所以有很强的降本增效的需求。
第二个原因是有条件，医疗影像分析的任务跟自然图像视觉任务有很多共性，近年来随着计算机视觉、深度学习技术的飞速发展，跟图像相关的各个行业，都在迅速发展。这提供了很好的技术基础和人才基础，因此，相对来说医疗影像这个行业的技术门槛不是特别高。
跟很多其它与图像分析结合的行业一样，每个行业都有各自的特点，医疗影像也不例外。下面我从行业本身的挑战和优势角度做一个简要的介绍。
医疗影像领域第一个难点在于影像任务比较丰富多样，比较碎片化。因为每个影像任务至少会受到三个主要因素的影响，第一是如何成像，第二是照哪个人体部位，第三是看哪种病。即使是一样的成像方式（比如都是X光或者都是CT），如果人体部位不一样、病不一样，所做的影像分析任务也不一样。
第二个难点是数据门槛比较高，因为用AI做医疗影像分析的历史比较短，整个领域还比较缺乏数据的规范和体系。第一个问题就是数据很难标注，因为医疗影像的标注需要专业知识，并且往往是3D数据，标注起来很慢。另外一个问题在于标注标准不够统一，虽然医疗行业有比较统一的标准，医院不同的医生有自己的一个相对标准，甚至可能同一个医生两次看同一个case，结论可能都不一样，这就导致标注的结果往往不是完全一致和确定的。另外，数据还很难收集，医疗数据相对比较隐私，医院内部，整个行业缺乏像ImageNet这样的大型公开数据库，一个病种能够收集到几千个数据就已经属于大数据了。当数据的广度和深度都不足的时候就容易发生比较系统性的偏差，会依赖于收集设备，哪怕同一个设备扫描参数不一样，甚至扫描技师不一样，产生的数据质量也不一样。难以标注和难以收集的问题导致算法不太容易泛化。
第三个难点在于自然图像跟医疗图像有一些区别，对于算法存在一些特有的挑战。第一点仅仅具备一些基本的常识不足以做医疗影像研究，需要学习一定的医学知识，但难度不算太大。第二点是识别任务比如说检测、分割、分类这些任务的描述跟自然图像里面很相似，而难点在于：有一些病灶很小，会涉及到小到4个像素的病灶检测，甚至小到2-3个像素的血管分割，对机器学习方法具有比较大的挑战。另外一点医疗影像数据以3D为主，3D图像任务在视觉领域来说，科研算法积累比较少，同时会缺乏一些好的开源库。同时在处理3D数据的时候GPU的显存往往不足，对于算法、工程都会有更多的挑战。涉及到重建任务时，因为3D重建需要理解人体结构，所以跟自然图像的3D重建区别是比较大的。涉及到图像处理任务，因为需要了解医疗图像的成像原理，跟自然图像的原理也不一样。总体来说，相对之前做自然图像所需要的算法能力来说，医疗图像对算法研发和工程能力要求会稍微高一点。
说到这里，大家可能觉得AI+医疗影像的研发难度很大，其实仔细想想也不是这样。如果我们对比其它行业，比如说安防、零售、工业检测、自动驾驶，就会发现这些难点其实是普遍现象。需求碎片化，数据难标注、难收集，缺乏统一的标准，需要把算法和领域知识结合，而不是直接可用，这些难点本身就很常见，但并不是高不可攀的障碍。
另一方面，医疗影像行业有一些特别的优势。
第一个优势就是这个行业本身是相对规范的。医院之间可能有一些区别，但并不需要过度定制化。总体上一致的标准包括：
有标准的数据格式——di
