人工智能基础及应用--课件---9-智慧医疗.pptxVIP

第9章智慧医疗9.1什么是智慧医疗9.2影像分析与辅助诊疗9.3医疗机器人9.4医疗健康管理

9.1什么是智慧医疗9.1.1什么是智慧医疗？ 1.智慧医疗，是通过打造健康档案区域医疗信息平台，利用最先进的物联网技术，利用先进治疗和智能诊断技术，实现患者与医务人员、医疗机构、医疗设备之间的互动，逐步达到信息化。智慧医疗发展概况医疗信息化智能诊疗和医疗健康管理药物研发医学影像医疗机器人 智慧医疗目前已在药物研发、医疗机器人、医学影像、辅助诊断等方面全方位布局。随着以深度学习为代表的人工智能技术带来技术和产品重大突破不断涌现，出现了人工智能技术与医疗健康领域深度结合的迹象。

9.1什么是智慧医疗9.1.1什么是智慧医疗？ 2.人工智能赋能医疗行业的发展路径可归结为“计算智能-感知智能-认知智能”三个阶段,随技术进步而螺旋上升发展。发展的三个阶段计算智能是人工智能医疗发展的初期阶段，在这一阶段人工智能主要表现为对医疗行业的算力支持，通过计算机获取海量医疗数据资源，对于数据进行整合、处理、分析。感知智能是机器接收外界信息、实现人机交互的能力，机器对于外界信息的感知，主要通过将图像、声音、文字等转化为数字形式进行记忆和学习，并依据相关算法进行推理和决策。认知智能是人工智能医疗更深一步的发展，通过机器自我学习进行有目的的推理优化决策系统，实现人机互动，辅助或者部分替代医生完成医疗诊断工作。

9.1什么是智慧医疗9.1.2智慧医疗产业应用领域八个应用领域人工智能+公共卫生人工智能+医院管理人工智能+医学影像人工智能+医疗机器人人工智能+药物研发人工智能+健康管理人工智能+精准医疗人工智能+医疗支付人工智能在公共卫生领域的应用

9.1什么是智慧医疗人工智能在医院管理领域的应用9.1.2智慧医疗产业应用领域

9.1什么是智慧医疗人工智能在医学影像诊断的应用方式9.1.2智慧医疗产业应用领域

9.1什么是智慧医疗中国医疗机器人市场结构9.1.2智慧医疗产业应用领域

9.1什么是智慧医疗人工智能在新药研发中的应用9.1.2智慧医疗产业应用领域

9.1什么是智慧医疗人工智能在健康管理领域的应用9.1.2智慧医疗产业应用领域

9.1什么是智慧医疗精准医疗的三个层次9.1.2智慧医疗产业应用领域

9.1什么是智慧医疗医疗支付主要方式与参与主体9.1.2智慧医疗产业应用领域

9.2影像分析与辅助诊疗9.2.1医学图像处理中的集中表现医学图像处理的对象是各种不同成像机理的医学影像，临床广泛使用的医学成像种类主要有X-射线成像（X-CT）、核磁共振成像（MRI）、核医学成像（NMI）和超声波成像（UI）四类。在目前的影像医疗诊断中，主要是通过观察一组二维切片图象去发现病变体，这往往需要借助医生的经验来判定。医学图像处理集中表现方面病变检测图像分割图像配准图像融合

9.2影像分析与辅助诊疗9.2.2人工智能影像分析1.病变检测计算机辅助检测是医学图像分析的有待完善的领域，并且非常适合引入深度学习。病变位置检测是分阶段的，并且通常由大量手工制作的特征描述。将分类器用于特征向量映射到候选者来检测实际病变的概率。采用深度学习的直接方式是训练CNN操作一组以图像为中心的图像数据候选病变。

9.2影像分析与辅助诊疗9.2.2人工智能影像分析2.图像分割医学图像分割就是一个根据区域间的相似或不同把图像分割成若干区域的过程。目前，主要以各种细胞、组织与器官的图像作为处理的对象。传统的图像分割技术有基于区域的分割方法和基于边界的分割方法，前者依赖于图像的空间局部特征，如灰度、纹理及其它象素统计特性的均匀性等，后者主要是利用梯度信息确定目标的边界。图为传统的基于Watershed变换的医学图象分割方法，得到的分割结果

9.2影像分析与辅助诊疗9.2.2人工智能影像分析Ghesu等人基于2891次心脏超声检查的数据集，结合深度学习和边缘空间学习进行医学图像检测和分割。将“大参数空间的有效探索”和在深度网络中实施稀疏性的方法相结合，大大提高了计算效率，并且与同一组发布的参考方法相比，平均分割误差减少了13.5％图像显示了不同患者的检测结果从测试集。检测到的边界框以绿色显示，标准的框以黄色显示。原点位于每个框中心的线段定义相应的坐标系

9.2影像分析与辅助诊疗9.2.2人工智能影像分析Brosch等人利用MRI图像上研究多发性硬化脑病变分割的问题。开发了一种3D深度卷积编码器网络，它结合了卷积和反卷积，增加网络深度对病变的分割性能的影响。卷积网络学习了更高级别的特征，并且反卷积网络预进行像素级别分割。增加网络深度对病变的分割性能的影响。真阳性，假阴性和假阳性体素分别以绿色，黄