Numbrilised lümmaalsed tabureti tüübid

AI ultraheli: eelseisva AI pildiväli.

AI ultraheli võtab tehisintellekti (AI) meditsiinilise pildistamise erinevates alajaotistes palju vähem tähelepanu kui AI CT-kujutised. FDA kiitis 2020. aasta alguses heaks esimese AI-abilise ultrahelidiagnostika tarkvara Caption Guidance, mis pälvis suuremat tähelepanu AI ultraheli valdkonnas suurema läbimurrena.

Parandage diagnostilist juurdepääsetavust.

Ultraheliuuringud on ohutu ja odav meditsiiniline diagnostikameetod, kuid tegelikus diagnoosimis- ja raviprotsessis pole ultraheli kasutamine kuigi suur. Praegu on kogu maailmas umbes 50 miljonit arsti, kuid ainult 2% -l on oskused ultraheliuuringute tegemiseks. Lisaks ei ole Hiina meditsiiniseadmete ühingu statistika kohaselt Hiina&# 39 ultraheliseadmete omand madal, kuid haiglate arv kõigil tasanditel pole tasakaalus. 2018. aasta aprilli lõpuks on Hiina' 2427 kolmanda astme haiglatel 24 270 värvi supervarustust, keskmiselt 10 värvi supervarustust, samas kui kesk- ja esimese astme haiglates on keskmiselt 5 värvi supervarustust, lõhe on ilmsem.

Ultraheli tuvastusel on kiirgusvaba, korduva diagnoosimise omadused, tehnoloogia arenguga muutuvad ultraheli testimise kulud järjest madalamaks, seadmed minimeeritakse järk-järgult. Ainult kasutamiskünnise alandamise kaudu saab sellest tõeliselt kaasav, kaasaskantav diagnostikavahend.

Ultraheli diagnostika erineb radioloogilisest diagnostikast - radioloogid saavad diagnoosida stoppkaadrite abil, ultraheli arstid peavad reaalajas diagnoosimiseks koguma erinevate nägude dünaamilisi pilte ning ultraheli piltide saamine ja diagnoosimine sõltub suuresti arsti kogemusest. AI paigaldatakse ultraheliseadmetele ja see võib aidata lahendada kahte probleemi: kuidas pilte paremini hankida ja kuidas neid paremini analüüsida.

AI peab piltide lühikese aja jooksul jäädvustamiseks ja analüüsimiseks tegema kolm sammu. Caption Guidance puhul kasutab tarkvara esmalt AI-d, et suunata arste piltide saamiseks, ja mitteprofessionaalsed arstid saavad ultraheli pilte AI reaalajas juhendamisel; Üldiselt vajavad ultraheliuuringu tõlgendamise ja analüüsimisega tegelevad arstid aastaid õppimist, samas kui põhjalik õppimine, juhendamine, saab automaatselt mõõta vere skoori ja aidata arstidel hinnata patsiente' tingimusi.

AI muudab ultraheliuuringud hõlpsamaks ja juurdepääsetavamaks ning ultraheli soodustab AI väärtuse saavutamist. Üldiselt tekitavad AI väärtuse langust tõenäolisemalt mastaabisäästu piirkonnad. Ultrahelil on rohkem rakendusi kui CT-l ja tuumamagnetismil, seega on AI-abistatava ultrahelediagnostika valdkonnas turuletuleku väljavaade atraktiivsem.

GG quot; üks suur, üks väike" kaks teed.

AI ja ultraheli kombinatsioon on saamas AI pildistamisahelas tõusvaks täheks. Lisaks parema diagnoosimise abistamisele suudab AI teostada ka ultraheli piltide automatiseeritud pildi kvaliteedi hindamist, pildi standardimist, pildi visandamist, automaatset mõõtmist ja palju muud. Neid funktsioone ei saa ultraheli abil ühise skeemi kaudu rakendada, seega kulgeb AI ultraheli kaks täiesti erinevat rada.

Üks tee on traditsioonilises ultraheli osakonnas, AI muudab suured ultraheli seadmed intelligentsemaks, nii et ultraheli seadmed pole enam lihtsalt pilditöötlustooted, vaid neist saab andmete kogumise, haldamise ja analüüsi kogumine ühes, intelligentsete süvaõppesse terminali. Aastal 2019 on General Medical käivitanud Hiinas cSound-TM-pildigeneraatoriga varustatud LOGIQTM E20, mis suudab kujutiste tajumise kaudu realiseerida kudede elundite struktuuri sõeluuringuid, intelligentsete kahjustuste segmenteerimist, intelligentset mõõtmist ja nii edasi ning aidata arste vabaneda paljudest koondatud pildi optimeerimise ja mõõtmise töödest ning keskenduda kliinilisele diagnoosimisele ja ravile. Seadet kasutatakse peamiselt kilpnäärme-, rinna-, lihase-, pediaatria-, südame- ja muudes kliinilistes valdkondades, et aidata arste täpse diagnoosi tegemisel.

Muidugi on AI roll praegu just suurte seadmete tordi jäätumine, kuid on ette näha, et AI mängib tulevikus üha olulisemat rolli. Samal ajal, võrreldes riistvara ultraheliseadmetega, on AI tarkvara iteratsioon kiirem, eeldatakse, et tarkvara ja algoritmid saavad tulevikus ultraheli valdkonnas peamiseks uurimissuunaks. Äärmiselt digitaalsed seadmed loovad suures koguses andmeid ning andmete ühendamine ja ühendamine on teadusuuringute võti.

Teist teed rakendatakse esmatasandi stsenaariumi korral. Hiinas on ligi 900 000 esmatasandi meditsiiniasutust, meditsiini-, farmaatsia-, kontrollib neid kolme lüli, et meditsiinilise arhitektuuri vastuoludest lahti saada, on selle lingi kontrollimiseks vajalike investeeringute suurendamiseks hädavajalik. Kaasaskantavate käeshoitavate ultraheliseadmete abil on see ultraheliseadmete jaoks teostatav viis esmaste meditsiiniasutuste võimustamiseks.

Praegu on esmatasandi haiglate turu paigutus peamiselt idufirmad, need ettevõtted kasutavad peamiselt AI-tehnoloogiat käeshoitavates ultraheli seadmetes, nende suurem kasutamine on arstide ultraheli testimise kogemus. Varem ultraheli diagnoosimisel, mille jaoks tuli piltide anatoomilise struktuuri tuvastamiseks tugineda professionaalsetele arstidele, ja intelligentse äratundmise abil AI abil saab automaatselt parima pildi leida ja diagnoosi aidata, nii et ultraheliuuringute operaatorid ei piirduks ainult professionaalselt väljaõppinud arstid, üldarstide esmatasandi meditsiiniasutused saavad samuti ultraheli diagnoosida.

Raja'" hilise küpsuse" tuleneb tehnilistest tõketest.

AI CT-piltide võrdlusel pole AI ultrahelirada rahvarohke, kaasatud on vaid üksikud idufirmad. Miks on AI ultraheli AI kuvamise valdkonnas hiline valmimisrada? Peamine põhjus on see, et AI ultraheli tehnoloogia on keerukam kui teised pildivaldkonnad.

AI ultraheli peamised tehnilised väljakutsed on kolm:

Esimene neist on reaalajas diagnostika. Erinevalt CT ja MRI staatilistest piltidest on ultraheli kujutised dünaamilised reaalajas pildid ning ultraheli tuvastamise raskus seisneb pildi hankimise ja lugemise samaaegses lõpuleviimises. KOKKUVÕTE, näiteks CT, tuumamagnetiliste ja röntgenograafia koguvad tehnikud, lugemisfilmi viib lõpule radioloog ning ultraheli testimine nõuab pildi hankimist ja lugemist, mis seab kõrgemad nõuded lisadiagnostikatehnoloogiate, näiteks algoritmide jaoks ja arvutamise hankimine.

Teiseks on andmetes ultrahelipildi andmete sirvimise, töötlemise ja salvestamise eriliste harjumuste tõttu pildiandmeid raskem saada kui CT-pilti, andmebaasi suurus on piiratud. Lisaks on ultraheli kuvamise standardiseeritus madal, pildi selgus sõltub peamiselt ultraheli arsti operaatorist ja seadme mudelist, AI ultraheli tuleb puhastada ja analüüsida tugeva ekspertide meeskonna poolt.

Lõpuks algoritmi raamistiku piirangud. AI ultraheliuuringutega ettevõtete jaoks on väga oluline omada oma algoritmi raamistikku. Kuid enamik ettevõtteid kasutab avatud lähtekoodiga algoritme, väga väheste sõltumatute algoritmidega. Erinevalt radioaIta-st tugineb see analüüsi täpsuse ja reaalajas tagamise tagamiseks suuresti ise väljatöötatud algoritmi raamistikule, mis võib algoritmi liiga pika töötlemise korral põhjustada seadme aeglase töötlemise. Ultraheli tuvastamine nõuab kõrget reaalaega, tootes sekundis kümneid või isegi sadu kaadreid ja ilma võimsate algoritmideta on võimatu nii suurt hulka andmeid töödelda.

Lisaks ülaltoodud kolmele punktile, kui soovite AI-tehnoloogiat kaasaskantava ultraheli abil kanda, peate lahendama ka jõu piirangu probleemi. Kuna pihuarvuti ultraheli seadmed on palju väiksemad kui traditsioonilised ultraheli seadmed, on AI tarkvaraga testitud AI arvutusvõimsust. Ettevõtted ei vaja ultraheli video analüüsimiseks mitte ainult väga täpset mudelit, vaid peavad selle alusel tagama ka mudeli tõhusa toimimise tahvelarvuti või mobiilplatvormi piiratud ressurssidega.

Ultraheli tehnoloogia pideva arengu ja arengu protsessis on riist- ja tarkvara võimalused väga olulised. Selles etapis on AI ultraheli tarkvarasüsteemi tehnilised tõkked kõrgemad, ultraheli seadmete turu riistvara suhtelises homogeniseerimises, kas hea AI tarkvara väljatöötamiseks, sõltub teatud määral AI ultraheli toote rakenduse ruum raskesti. Samal ajal on esmaste haiglate jaoks kaasaskantavad või väikesed seadmed odavamad kui suured seadmed, nii et AI käeshoitav ultraheli sobib reklaamimiseks rohkem kui suured seadmed, näiteks AI CT. Peamine probleem, mida ettevõtted peavad lahendama, kuidas intelligentset AI-protsessi peopesas realiseerida, et paremini rahuldada perearstide rakendusvajadusi.