沒(méi)收到驗(yàn)證郵件？請(qǐng)確認(rèn)郵箱是否正確或 重新發(fā)送郵件
#文章僅代表作者觀點(diǎn)，不代表IPRdaily立場(chǎng)，未經(jīng)作者許可，禁止轉(zhuǎn)載#
來(lái)源：IPRdaily中文網(wǎng)（iprdaily.cn）
作者：閆杰 超凡知識(shí)產(chǎn)權(quán)咨詢信息技術(shù)部 檢索分析師
原標(biāo)題：AI賦能醫(yī)療影像抗疫
近日，一篇由醫(yī)療AI影像企業(yè)科亞醫(yī)療攜手國(guó)內(nèi)六家醫(yī)院共同研究發(fā)表的完全基于肺部CT影像的深度學(xué)習(xí)判別新冠肺炎的論文《Artificial Intelligence Distinguishes COVID-19 from Community Acquired Pneumonia on Chest CT》被國(guó)際頂級(jí)放射學(xué)期刊《Radiology》使用的算法似乎在尋覓新冠肺炎的CT影性學(xué)特征方面找到了竅門(mén)，通過(guò)COVNet實(shí)現(xiàn)CT影像特征提取，對(duì)新冠肺炎、社區(qū)獲得性肺炎的鑒別準(zhǔn)確性高。這項(xiàng)研究是AI在醫(yī)療領(lǐng)域的一個(gè)極具現(xiàn)實(shí)意義的應(yīng)用，通過(guò)AI增效優(yōu)化新冠篩查流程，實(shí)現(xiàn)高效精準(zhǔn)篩查、降低醫(yī)生工作強(qiáng)度，合理分配醫(yī)療資源的作用。人工智能AI在醫(yī)療領(lǐng)域的應(yīng)用都有哪些呢？接下來(lái)，筆者從科亞醫(yī)療專(zhuān)利角度出發(fā)，介紹AI在醫(yī)療領(lǐng)域的應(yīng)用。
新冠肺炎疫情期間，各家企業(yè)各展所能，積極研究，利用人工智能技術(shù)助力抗擊新冠肺炎。
近日，一篇由醫(yī)療AI影像企業(yè)科亞醫(yī)療攜手國(guó)內(nèi)六家醫(yī)院共同研究發(fā)表的完全基于肺部CT影像的深度學(xué)習(xí)判別新冠肺炎的論文《Artificial Intelligence Distinguishes COVID-19 from Community Acquired Pneumonia on Chest CT》被國(guó)際頂級(jí)放射學(xué)期刊《Radiology》所接收，這篇文章使用的算法似乎在尋覓新冠肺炎的CT影性學(xué)特征方面找到了竅門(mén)，通過(guò)COVNet實(shí)現(xiàn)CT影像特征提取，對(duì)新冠肺炎、社區(qū)獲得性肺炎的鑒別準(zhǔn)確性高。這項(xiàng)研究是AI在醫(yī)療領(lǐng)域的一個(gè)極具現(xiàn)實(shí)意義的應(yīng)用，通過(guò)AI增效優(yōu)化新冠篩查流程，實(shí)現(xiàn)高效精準(zhǔn)篩查、降低醫(yī)生工作強(qiáng)度，合理分配醫(yī)療資源的作用。
疫情期間，工信部也曾發(fā)布了《充分發(fā)揮人工智能賦能效用 協(xié)力抗擊新型冠狀病毒感染的肺炎疫情倡議書(shū)》就提出了倡議，進(jìn)一步發(fā)揮人工智能的聚能的效益，呼吁人工智能企業(yè)等能夠在疫情企業(yè)、預(yù)警、防治等方面積極做出貢獻(xiàn)。
人工智能AI在醫(yī)療領(lǐng)域的應(yīng)用都有哪些呢？接下來(lái)，筆者從科亞醫(yī)療專(zhuān)利角度出發(fā)，介紹AI在醫(yī)療領(lǐng)域的應(yīng)用。
科亞醫(yī)療專(zhuān)利情況
通過(guò)對(duì)科亞醫(yī)療進(jìn)行檢索發(fā)現(xiàn)，科亞醫(yī)療在全球領(lǐng)域公開(kāi)/授權(quán)的專(zhuān)利共計(jì)96件，包括：發(fā)明專(zhuān)利87件，實(shí)用新型4件，外觀設(shè)計(jì)5件。在美國(guó)和中國(guó)都有專(zhuān)利布局，其中，美國(guó)涉及44件，中國(guó)涉及52件。
從專(zhuān)利技術(shù)上看，科亞醫(yī)療相關(guān)專(zhuān)利涉及技術(shù)包括：醫(yī)療影像輔助診斷、醫(yī)學(xué)圖像目標(biāo)分割/檢測(cè)、病歷/診斷報(bào)告生成、醫(yī)療圖像管理、病癥結(jié)果預(yù)測(cè)以及醫(yī)療設(shè)備6個(gè)方面，其中醫(yī)療影像輔助診斷專(zhuān)利數(shù)量最多，為43件。
通過(guò)對(duì)科亞醫(yī)療專(zhuān)利分析發(fā)現(xiàn)，AI在醫(yī)療影像輔助診斷、醫(yī)學(xué)圖像目標(biāo)分割/檢測(cè)、病歷/診斷報(bào)告生成、醫(yī)療圖像管理、病癥結(jié)果預(yù)測(cè)這幾個(gè)方面都有所應(yīng)用。接下來(lái)，筆者分別針對(duì)這些方面介紹AI在其中的應(yīng)用。
醫(yī)療影像輔助診斷
涉及專(zhuān)利數(shù)量43件，技術(shù)應(yīng)用包括：（1）借助醫(yī)學(xué)圖像實(shí)現(xiàn)生理狀況預(yù)測(cè)；（2）血管狀態(tài)分析或者血流儲(chǔ)備分?jǐn)?shù)（FFR）預(yù)測(cè)；（3）利用醫(yī)學(xué)圖像進(jìn)行模型重建；（4）引導(dǎo)血管中的支架植入；（5）為生理上結(jié)構(gòu)生成解剖學(xué)標(biāo)記。
借助人工智能手段，對(duì)醫(yī)學(xué)影像進(jìn)行處理分析或者模型構(gòu)建，實(shí)現(xiàn)對(duì)患者的生理或者血管等狀況的預(yù)測(cè)，輔助醫(yī)生進(jìn)行病癥診斷，降低醫(yī)生誤診漏診率，以及為醫(yī)生進(jìn)行手術(shù)指引，例如通過(guò)模型重建，直觀呈現(xiàn)相關(guān)區(qū)域，以便于直觀的確定支架植入位置。
代表專(zhuān)利：CN110853029A 用于基于醫(yī)學(xué)圖像自動(dòng)預(yù)測(cè)血流特征的方法、系統(tǒng)和介質(zhì)
本發(fā)明公開(kāi)了一種用于基于醫(yī)學(xué)圖像自動(dòng)預(yù)測(cè)血流特征的方法、系統(tǒng)和介質(zhì)，獲取血管樹(shù)的圖像塊和血管相關(guān)特征；基于血管樹(shù)的圖像塊和血管相關(guān)特征，利用學(xué)習(xí)網(wǎng)絡(luò)來(lái)計(jì)算血管樹(shù)的血流特征，其中學(xué)習(xí)網(wǎng)絡(luò)包括依序連接的多模型神經(jīng)網(wǎng)絡(luò)和樹(shù)結(jié)構(gòu)遞歸神經(jīng)網(wǎng)絡(luò)。
該方法能夠根據(jù)采集的目標(biāo)對(duì)象血管的醫(yī)學(xué)圖像的圖像信息和血管相關(guān)特征來(lái)對(duì)該目標(biāo)對(duì)象的血流特征進(jìn)行精準(zhǔn)的預(yù)測(cè)，如預(yù)測(cè)目標(biāo)對(duì)象的血流儲(chǔ)備分?jǐn)?shù)（FFR）等血流特征，以根據(jù)血流儲(chǔ)備分?jǐn)?shù)幫助用戶對(duì)目標(biāo)對(duì)象進(jìn)行相應(yīng)的病理判斷或其他處理。
醫(yī)學(xué)圖像目標(biāo)分割/檢測(cè)
涉及專(zhuān)利數(shù)量27件，技術(shù)包括：（1）利用神經(jīng)網(wǎng)絡(luò)方法實(shí)現(xiàn)圖像分割；（2）3D圖像中目標(biāo)檢測(cè)；（3）醫(yī)學(xué)圖像中諸如血管等對(duì)象的中心線生成方法。
通過(guò)人工智能手段，實(shí)現(xiàn)了醫(yī)學(xué)圖像對(duì)象的檢測(cè)及準(zhǔn)確定位，提高后續(xù)進(jìn)行疾病預(yù)測(cè)的準(zhǔn)確性。
代表專(zhuān)利：CN110148129A 3D圖像的分割學(xué)習(xí)網(wǎng)絡(luò)的訓(xùn)練方法、分割方法、分割裝置和介質(zhì)
本公開(kāi)提供一種3D圖像的分割學(xué)習(xí)網(wǎng)絡(luò)的訓(xùn)練方法、分割方法、分割裝置和介質(zhì)獲取，由圖像采集裝置采集的3D圖像；基于所獲取的3D圖像利用訓(xùn)練好的分割學(xué)習(xí)網(wǎng)絡(luò)進(jìn)行分割，其中，所述分割學(xué)習(xí)網(wǎng)絡(luò)基于卷積層、多個(gè)密集塊、解卷積層和輸出層的依序聯(lián)合而構(gòu)成，所述密集塊內(nèi)的基本單元之間具有密集連接，所述基本單元由批量歸一化層、RELU層和卷積層組成，且所述分割學(xué)習(xí)網(wǎng)絡(luò)的訓(xùn)練所利用的損失函數(shù)更關(guān)注困難樣本且對(duì)遠(yuǎn)離所述關(guān)注對(duì)象的負(fù)面體素進(jìn)行懲罰。
通過(guò)上述方法，能夠以結(jié)構(gòu)更緊湊且參數(shù)更少的學(xué)習(xí)網(wǎng)絡(luò)實(shí)現(xiàn)對(duì)不規(guī)則且小型的關(guān)注對(duì)象的快速且準(zhǔn)確的分割，且該結(jié)構(gòu)更緊湊且參數(shù)更少的學(xué)習(xí)網(wǎng)絡(luò)的訓(xùn)練過(guò)程，解決現(xiàn)有技術(shù)中在學(xué)習(xí)網(wǎng)絡(luò)的訓(xùn)練中嚴(yán)重的前景背景失衡問(wèn)題以及準(zhǔn)確勾畫(huà)目標(biāo)物（如腫瘤）邊界繁瑣導(dǎo)致樣本稀缺而產(chǎn)生的過(guò)擬合的技術(shù)問(wèn)題。
病歷/診斷報(bào)告生成
涉及專(zhuān)利9件，技術(shù)包括：（1）交互式診斷報(bào)告系統(tǒng)；（2）病歷文本處理。
通過(guò)人工智能方法，實(shí)現(xiàn)對(duì)文本的處理，能夠使用諸如電子病歷和生物醫(yī)學(xué)研究文章之類(lèi)的自由文本或者醫(yī)學(xué)圖像描述語(yǔ)句來(lái)構(gòu)造醫(yī)學(xué)報(bào)告和生物醫(yī)學(xué)文章，提高醫(yī)學(xué)報(bào)告的生成效率，節(jié)省醫(yī)生時(shí)間。
代表專(zhuān)利：CN109887577A 用于基于患者的醫(yī)學(xué)圖像生成報(bào)告的系統(tǒng)、方法和介質(zhì)
本公開(kāi)提供一種用于基于患者的醫(yī)學(xué)圖像生成報(bào)告的方法，接收由圖像采集裝置獲取的醫(yī)學(xué)圖像以及用戶對(duì)至少一個(gè)視圖中的至少一幅醫(yī)學(xué)圖像的選擇，基于學(xué)習(xí)網(wǎng)絡(luò)自動(dòng)生成描述所選擇的醫(yī)學(xué)圖像的關(guān)鍵詞，所述學(xué)習(xí)網(wǎng)絡(luò)包括串聯(lián)連接的卷積神經(jīng)網(wǎng)絡(luò)和遞歸神經(jīng)網(wǎng)絡(luò)。所述方法還包括接收在所生成的關(guān)鍵詞中的關(guān)鍵詞選擇，基于所述關(guān)鍵詞選擇生成所述報(bào)告，并且在顯示器上顯示所選擇的醫(yī)學(xué)圖像和所述報(bào)告。
上述方法提供了一種診斷報(bào)告系統(tǒng)，能夠達(dá)到基于用戶對(duì)醫(yī)學(xué)圖像的關(guān)注的視圖和/或區(qū)域的選擇來(lái)生成醫(yī)學(xué)診斷報(bào)告，以及生成描述醫(yī)學(xué)圖像的關(guān)鍵詞根據(jù)用戶對(duì)關(guān)鍵詞的選擇來(lái)創(chuàng)建診斷報(bào)告的技術(shù)效果。
醫(yī)療圖像管理
涉及專(zhuān)利8件，技術(shù)包括：（1）通過(guò)確定醫(yī)學(xué)圖像優(yōu)先級(jí)對(duì)醫(yī)學(xué)圖像數(shù)據(jù)進(jìn)行排序以實(shí)現(xiàn)醫(yī)學(xué)圖像調(diào)度管理；（2）外觀專(zhuān)利，醫(yī)學(xué)圖像管理界面。
代表專(zhuān)利：CN108305671A 由計(jì)算機(jī)實(shí)現(xiàn)的醫(yī)學(xué)圖像調(diào)度方法、調(diào)度系統(tǒng)及存儲(chǔ)介質(zhì)
本公開(kāi)涉及一種由計(jì)算機(jī)實(shí)現(xiàn)的醫(yī)學(xué)圖像調(diào)度方法、調(diào)度系統(tǒng)及存儲(chǔ)介質(zhì)，獲取醫(yī)學(xué)圖像相關(guān)數(shù)據(jù)，對(duì)所述醫(yī)學(xué)圖像相關(guān)數(shù)據(jù)進(jìn)行處理，以至少得到醫(yī)學(xué)圖像相關(guān)數(shù)據(jù)的優(yōu)先級(jí)參數(shù)，根據(jù)排序來(lái)呈現(xiàn)醫(yī)學(xué)圖像相關(guān)數(shù)據(jù)及其處理結(jié)果的隊(duì)列。
該方法基于人工智能對(duì)醫(yī)學(xué)圖像進(jìn)行初步判斷并據(jù)此優(yōu)化調(diào)度，需要時(shí)還能夠?qū)⑷斯ぶ悄艿呐袛嘟Y(jié)果、醫(yī)學(xué)圖像的屬性信息（例如數(shù)據(jù)采集時(shí)間）和臨床醫(yī)生的診斷結(jié)果綜合起來(lái)對(duì)病例進(jìn)行精確排序，確保病情緊急重要的病例能被及早及時(shí)地處理，優(yōu)化影像科醫(yī)生的工作量分配，均衡各位影像科醫(yī)生之間的工作量分配，并為各張醫(yī)學(xué)圖像分配勝任的影像科醫(yī)生，以避免因分配不當(dāng)導(dǎo)致對(duì)醫(yī)學(xué)圖像相關(guān)數(shù)據(jù)的處理延遲。
病癥結(jié)果預(yù)測(cè)
涉及專(zhuān)利5件，技術(shù)主要包括：（1）借助人工智能手段對(duì)醫(yī)學(xué)圖像進(jìn)行分析，以疾病分析結(jié)果；（2）借助神經(jīng)網(wǎng)絡(luò)方法實(shí)現(xiàn)癌癥轉(zhuǎn)移檢測(cè)。
通過(guò)人工智能方法，對(duì)醫(yī)學(xué)圖像進(jìn)行分析，實(shí)現(xiàn)患者病癥預(yù)測(cè)或者對(duì)診療結(jié)果風(fēng)險(xiǎn)預(yù)測(cè)以提早預(yù)估風(fēng)險(xiǎn)，便于醫(yī)生制定診療方案以及把控診療過(guò)程。
代表專(zhuān)利：CN110503640A 對(duì)醫(yī)學(xué)圖像進(jìn)行分析的裝置、系統(tǒng)及計(jì)算機(jī)可讀介質(zhì)
本公開(kāi)涉及一種對(duì)醫(yī)學(xué)圖像進(jìn)行分析的裝置、系統(tǒng)及計(jì)算機(jī)可讀介質(zhì)，基于所述醫(yī)學(xué)圖像利用訓(xùn)練好的學(xué)習(xí)網(wǎng)絡(luò)來(lái)分別確定患有各種疾病的狀況，學(xué)習(xí)網(wǎng)絡(luò)依序包括編碼器和與每種疾病一一對(duì)應(yīng)設(shè)置的遞歸神經(jīng)網(wǎng)絡(luò)單元，編碼器被配置為基于所述醫(yī)學(xué)圖像提取特征信息，從輸入側(cè)起的第一個(gè)遞歸神經(jīng)網(wǎng)絡(luò)單元被配置為：至少基于所述特征信息來(lái)確定患有相應(yīng)疾病的概率；從輸入側(cè)起的第二個(gè)以后的每個(gè)遞歸神經(jīng)網(wǎng)絡(luò)單元被配置為：基于特征信息以及至少一個(gè)相鄰遞歸神經(jīng)網(wǎng)絡(luò)單元的隱藏信息來(lái)確定患有相應(yīng)各種疾病的概率。
該方法以自動(dòng)化的方式，幫助放射科醫(yī)師和臨床醫(yī)生快速準(zhǔn)確地解讀醫(yī)學(xué)圖像且一并提供多種疾病的分析診斷結(jié)果。
人工智能在醫(yī)療領(lǐng)域的應(yīng)用
事實(shí)上，除了上述介紹的應(yīng)用之外，人工智能在醫(yī)療領(lǐng)域還可以應(yīng)用在智能問(wèn)診、基因測(cè)序、醫(yī)療物資調(diào)配、抗病毒藥物研發(fā)等方面。例如，依圖醫(yī)療開(kāi)發(fā)的“新冠肺炎小依醫(yī)生”產(chǎn)品，提供面向大眾的新冠肺炎科普、智能問(wèn)診及導(dǎo)診，以及面向政府的區(qū)域疫情的智能監(jiān)控及分析，等等。
據(jù)不完全統(tǒng)計(jì)，目前已有20余款人工智能系統(tǒng)應(yīng)用在抗“疫”一線以及全國(guó)數(shù)百家醫(yī)院，服務(wù)人群包括疑似病例和確診病例達(dá)到數(shù)十萬(wàn)人次，有效提升了新冠肺炎排查效率和診斷準(zhǔn)確率。相信隨著人工智能技術(shù)的發(fā)展，在未來(lái)，人工智能技術(shù)在醫(yī)療領(lǐng)域會(huì)發(fā)揮更大的作用，助力醫(yī)療領(lǐng)域的發(fā)展。
參考文獻(xiàn)
1. https://news.yaozh.com/archive/29114.html
2. http://news.pharmnet.com.cn/news/2020/03/20/537750.html
3. https://www.sohu.com/a/372448044_120067116
4. https://blog.csdn.net/KuAI_KST/article/details/104171347
5. http://tech.gmw.cn/2020-03/25/content_33684579.htm
來(lái)源：IPRdaily中文網(wǎng)（iprdaily.cn）
作者：閆杰 超凡知識(shí)產(chǎn)權(quán)咨詢信息技術(shù)部 檢索分析師
編輯：IPRdaily王穎 校對(duì)：IPRdaily縱橫君
點(diǎn)擊圖片，查看專(zhuān)題詳情！
「關(guān)于IPRdaily」
IPRdaily是具有全球影響力的知識(shí)產(chǎn)權(quán)媒體，致力于連接全球知識(shí)產(chǎn)權(quán)與科技創(chuàng)新人才。匯聚了來(lái)自于中國(guó)、美國(guó)、歐洲、俄羅斯、以色列、澳大利亞、新加坡、日本、韓國(guó)等15個(gè)國(guó)家和地區(qū)的高科技公司及成長(zhǎng)型科技企業(yè)的管理者及科技研發(fā)或知識(shí)產(chǎn)權(quán)負(fù)責(zé)人，還有來(lái)自政府、律師及代理事務(wù)所、研發(fā)或服務(wù)機(jī)構(gòu)的全球近100萬(wàn)用戶（國(guó)內(nèi)70余萬(wàn)+海外近30萬(wàn)），2019年全年全網(wǎng)頁(yè)面瀏覽量已經(jīng)突破過(guò)億次傳播。
（英文官網(wǎng)：iprdaily.com 中文官網(wǎng)：iprdaily.cn）
本文來(lái)自IPRdaily中文網(wǎng)（iprdaily.cn）并經(jīng)IPRdaily.cn中文網(wǎng)編輯。轉(zhuǎn)載此文章須經(jīng)權(quán)利人同意，并附上出處與作者信息。文章不代表IPRdaily.cn立場(chǎng)，如若轉(zhuǎn)載，請(qǐng)注明出處：“http://jupyterflow.com/
共發(fā)表文章4351篇文章不錯(cuò)，犒勞下辛苦的作者吧
- 我也說(shuō)兩句
- 還可以輸入140個(gè)字
