楊冠羽，東南大學計算機科學與工程學院、軟件學院、人工智能學院副院長、教授、博士生導師，IEEE高級會員。中國圖像圖形學會醫學影像專業委員會委員。東南大學生物醫學工程專業博士、法國雷恩一大信號與圖像處理專業博士、荷蘭萊頓大學醫學中心(LUMC，Leiden University)圖像處理實驗室博士后。長期從事醫學人工智能、圖像處理與分析、計算機輔助診斷與手術方面的研究。承擔及參與國家重點研發計劃、國家科技重大專項、國家自然科學基金、江蘇省自然科學基金等項目十余項。發表包括IEEE TIP、IEEE TMI、Medical Image Analysis、ECCV、MICCAI等頂級期刊和會議在內的論文60余篇，授權國家發明專利10余項。
前言
隨著人工智能技術的不斷發展，已經開始在醫學影像診斷中發揮重要作用。近年來，越來越多的研究表明，利用AI技術輔助醫學影像診斷可以提高醫生診斷的準確性和效率，為患者提供更好的醫療服務。AI技術可以利用深度學習和計算機視覺算法對醫學影像進行快速、準確的分析和診斷，大大提高了醫生的工作效率和診斷準確率，同時也降低了醫療成本。創投集團邀請到了東南大學楊冠羽教授，和我們一同分享人工智能技術在醫學影像中的應用。
創投集團：目前AI技術在醫療領域中有哪些前沿的最新消息?
楊冠羽教授：分享幾則消息吧。一是斯坦福大學的皮膚癌診斷研究指出深度學習模型對皮膚癌診斷的水平與醫生相當;二是利用非增強心臟MR電影序列人工智能算法在有效診斷慢性心肌梗死的同時，避免了造影劑的使用;三是AlphaFold團隊利用深度學習模型進行了高精度快速的蛋白質結構預測。
創投集團：AI技術在醫學影像診斷中的主要技術有哪些?
楊冠羽教授：主要有：(1)圖像識別：AI技術可以對醫學影像進行自動化處理和分析，從而幫助醫生識別和分析影像中的細節和特征。例如，在疑似肺結節的影像中，AI可以自動識別和分類不同類型的結節，并為醫生提供詳細的分析結果和建議。在乳腺癌篩查中，AI技術可以自動識別腫瘤和正常組織的差異，并幫助醫生快速準確地診斷腫瘤。(2)圖像分割：醫學影像中常常存在一些困難的問題，例如圖像模糊、低對比度和噪聲等。這些問題往往會導致醫生在影像分析和診斷過程中遇到困難。AI技術可以幫助醫生解決這些問題，提高醫學影像的質量。其中，圖像分割是一種非常有用的技術，它可以將醫學影像中的圖像分成不同的區域，并將每個區域分配給不同的組織、結構或器官。
創投集團：AI技術在醫學影像診斷中有哪些應用?
楊冠羽教授：主要有3個方面的應用：
(1)CT和MRI影像分析：CT和MRI是臨床醫學中常用的影像檢查方式，但這些圖像的分析往往需要耗費大量的時間和精力。AI技術可以自動識別圖像中的組織和器官，并在較短時間內對圖像進行分析。例如，在CT掃描中，AI可以幫助醫生自動識別骨骼結構、血管、腫瘤等，并給出診斷建議。這大大減輕了醫生的工作負擔，提高了診斷的準確性和速度。
(2)乳腺X光檢查：AI技術在乳腺X光檢查中也有廣泛應用。乳腺X光檢查是目前早期發現乳腺癌的主要方式之一，但是對于醫生來說，分析X光圖像需要較高的技能水平。通過使用AI技術，可以幫助醫生快速和準確地分析圖像，識別潛在的乳腺癌病變。
(3)超聲和心臟影像分析：超聲和心臟影像是心血管疾病診斷的關鍵。AI技術可以通過自動識別圖像中的心臟結構、功能和血流來幫助醫生進行診斷。例如，在超聲圖像中，AI可以自動計算心臟的大小和運動范圍，并生成心臟的三維圖像，幫助醫生更準確地診斷病情。
創投集團：近期我們國內在AI+醫學影像方面有哪些實踐案例?
楊冠羽教授：最近的相關研究案例是針對江蘇省人民醫院提出了治療腎癌的新方法——腎段動脈阻斷的腹腔鏡下腎部分切除手術。該手術技術難度較大，對術前個體化精準手術方案要求較高。我們團隊與江蘇省人民醫院泌尿外科、影像科合作，利用人工智能技術，研究了基于三維卷積神經網絡的一系列術前影像處理關鍵算法，實現了術前CT圖像中，腎臟、腫瘤、動脈、靜脈等手術相關器官的全自動分割，段動脈供血量化評估等，為精準的腹腔鏡下腎部分切除術計劃設計創造了條件。相關成果發表在包括Med Img Anal、IEEE JBHI、MICCAI、IJCAI等醫學圖像處理及人工智能領域的頂級期刊和會議上。
創投集團：AI技術在醫學影像診斷中的未來發展趨勢請和我們分享一下。
楊冠羽教授：我認為未來趨勢主要有4個方面：(1)更加精準：隨著深度學習技術的不斷進步，AI算法的精度將會更高，診斷結果將更加準確。目前的AI算法已經可以在醫學影像上進行復雜的圖像分析和診斷，但是在一些細節上還存在誤診的情況。未來，隨著深度學習技術的進一步提升，AI算法的精度將會更高，診斷結果將更加準確。(2)個性化：未來的醫學影像診斷將更加個性化。AI技術可以對每個患者的影像數據進行分析，并根據患者的個體差異提供更為準確的診斷和治療方案。比如，根據患者的基因組數據和影像數據，AI技術可以預測患者患某種疾病的風險，或者提供個性化的藥物治療方案。(3)遠程醫療：隨著5G技術的普及，AI技術在醫學影像診斷中的應用也將更加廣泛。5G技術可以實現更加快速、穩定的數據傳輸，將醫學影像數據從患者現場傳輸至遠程醫生手中，大大提高了醫療服務的效率和質量。(4)教育和培訓：未來AI技術在醫學影像診斷領域還將會應用于醫學研究和教育。AI技術可以利用大量的醫學影像數據進行分析和研究，為醫學研究提供更多的數據支持和方法論。同時，AI技術還可以應用于醫學教育，為醫學生提供更加真實、直觀的學習體驗，提高醫生的診斷能力和工作效率。
感謝楊教授的分享，我們相信，隨著AI技術在醫學影像診斷中的作用不斷凸顯，未來醫療服務的效率和質量一定能快速提高!
來源：投資四部張蘇榮、楊冠羽
審核：薛瑤
發布：尤異