AI在医学辅助中的应用

AI已经广泛应用于医疗辅助诊断：

        放射科医生的工作量最近十年显著提高，一项研究表明，在8小时的工作日中，放射科医生平均每3到4秒解释一幅图像 我国医疗资源需求量极大 大量可用的精确数据为AI提供了源动力 AI算法近几年处于增长爆发期，各行各业都可以AI赋能

AI对医疗诊断带来的影响：

        检查级别：利用AI完成部分工作流程自动化，提升效率 阅读和报告任务：手写病例识别 算法建模：分割后的结果，整合多维数据进行建模或重建 大数据：制药行业通过AI分析大量可能性

医学图像与自然图像的区别

一、成像原理

        医学图像大多数是放射成像，功能性成像，磁共振成像，超声成像这几种方式；而自然图像大多数是自然光成像。自然成像中光谱比较复杂，有散射的成分，波谱宽度比较大，但是放射成像比如CT等，各个厂家均要花大力气去除人体内的散射，努力使光谱单一

二、动态范围

        一般的自然图像动态范围是0~255。但是医学图像会-1000+ ~ 1000+

三、图像内在特征

        医学图像中没有景深这种概念。自然图像中有大量算法对于景深引起的小目标检测有非常针对性的设计，然而在医学图像中，一个很小的异常组织之所以被检测出来，是由于该区域同周围区域有明显的差异

四、图像所包含的信息

        一张医学图像中包含的所有信息都具有潜在利用价值，并且医学图像中的细微结构并不能像自然图像中那样认为是无关紧要的，在相似度极高的背景组织中的细微变化有可能就代表着某种病变。而自然图像则不然，往往一张自然图像可能只有一部分ROI有用

五、多模态

        医学图像包含的图像模态很多，不同模态的图像反应的信息是不一样的。比如CT反应出血，骨头比较清楚，MRI看软组织更好。即便同一模态，成像参数不一样也会带来巨大的区别

六、样本比例极度不平衡

        医学图像中，关键信息往往是细节。比如肺癌图片，有无肺癌结节才是关键信息，肺癌结节的亮点在整个肺癌图像上面积占比不到1%、甚至更低。所以，医学图像的信噪比很低。在其他领域的图像，要识别的对象往往是占主体的，所以，其他领域图像的信噪比往往较高

CT的窗口技术

        窗口技术的应用在临床诊断的实践工作中占据极其重要的地位，是诊断疾病的基础前提工作。窗值不一样，图像被显示的组织就不一样。窗宽、窗位调节不当，就不能充分显示人体组织结构和毗邻关系，甚至会使病变掩盖、遗漏。

人眼分辨颜色的方式

        我们通常需要使用与周围的颜色对比差别，来分辨颜色的不同。中间移动的色块颜色是固定不变的，但是在不同灰度背景下，我们会感觉到颜色的变化，从而产生错觉。

灰阶

        CT是密度成像，显示的是组织的密度信息，组织密度的不同由明暗度的不同来表示，如果把全黑图像到全白图像转变的程度分成若干份的话，那么每一份都是一个灰阶

        生活中常用的液晶显示器基本都是8bit的液晶面板，可以显示的灰阶数量是2的8次方，也就是256个。但这对于影像科来说还不够，CT的数字图像通常都是12bit或者更高，也就是4096个灰阶或更高。CT值用来表达组织密度差异，常用的CT值标度有4096个，对应CT的12bit数字图像，从-1024HU（全黑）~3071HU（全白）

4比特，24=168比特， 28=25610比特，210=102412比特，212=409616比特，216=65536