中文字幕一级黄色A级片|免费特级毛片。性欧美日本|偷拍亚洲欧美1级片|成人黄色中文小说网|A级片视频在线观看|老司机网址在线观看|免费一级无码激情黄所|欧美三级片区精品网站999|日韩av超碰日本青青草成人|一区二区亚洲AV婷婷

醫(yī)療影像診斷面臨的問(wèn)題

疾病的病理過(guò)程會(huì)產(chǎn)生一定的病理解剖和病理生理方面的變化，這些病理變化在不同的影像學(xué)檢查中會(huì)產(chǎn)生不同的影像學(xué)信息(X線和CT是利用人體組織間的密度差異，MRI是利用組織間的MR信號(hào)強(qiáng)度差異，US是利用組織間的聲學(xué)信息差異)，通過(guò)對(duì)這些信息的分析，醫(yī)生能夠?qū)崿F(xiàn)對(duì)機(jī)體病變的有效把握。

隨著電子信息技術(shù)的發(fā)展，近年來(lái)各種多模式成像設(shè)備，如PET/CT、SPECT/CT和PET/MRI等的不斷涌現(xiàn)，醫(yī)學(xué)影像已經(jīng)成為現(xiàn)代醫(yī)學(xué)精準(zhǔn)診斷的最主要證據(jù)來(lái)源。但硬件檢查門(mén)檻的降低，并沒(méi)有成功轉(zhuǎn)化為影像可及性的提高，關(guān)鍵在于影像解讀能力的嚴(yán)重不足。有以下表現(xiàn)為：

• 醫(yī)學(xué)影像分析供需矛盾持續(xù)加大；

• 影像醫(yī)生工作量大，雙審核下避免漏診依舊困難；

• 基層醫(yī)生診斷經(jīng)驗(yàn)不足，閱片質(zhì)量整體較低。

據(jù)國(guó)家衛(wèi)健委統(tǒng)計(jì)顯示，2013至2015年三年中，全國(guó)累計(jì)完成放射診療12.4億人次。而“2017中國(guó)醫(yī)師協(xié)會(huì)放射醫(yī)師年會(huì)”數(shù)據(jù)顯示，全國(guó)放射從業(yè)人員約15.8萬(wàn)，其中放射醫(yī)師只有約8萬(wàn)，具有副主任醫(yī)師以上職稱(chēng)的只有2萬(wàn)人。以此推算平均每一位影像醫(yī)師每年需要處理5100多人次的報(bào)告，以每一例報(bào)告最少需要兩個(gè)醫(yī)師閱片和報(bào)告估算，每位放射醫(yī)師全年的診療人次約為12000，而2萬(wàn)名副高以上職稱(chēng)的影像科醫(yī)師由于有審核工作，診療人次將會(huì)更多。

人工智能帶來(lái)新的解決方案

由于影像檢查資料大量都屬于客觀資料，而且信息標(biāo)準(zhǔn)化的程度較好，早在人工智能技術(shù)出現(xiàn)之前，人們已經(jīng)嘗試通過(guò)各種方式提高影像診斷效率，其中以CAD（計(jì)算機(jī)輔助決策系統(tǒng)）應(yīng)用最為廣泛，它通過(guò)專(zhuān)家提取特征，制定分類(lèi)規(guī)則，建立各種復(fù)雜嚴(yán)密的數(shù)學(xué)模型，實(shí)現(xiàn)了對(duì)影像的自動(dòng)分析。但被固定的分析模型僅能處理和識(shí)別非常有限的影像表現(xiàn)，無(wú)法自主學(xué)習(xí)和優(yōu)化。

基于深度學(xué)習(xí)的人工智能影像分析技術(shù)解決了這一不足，深度學(xué)習(xí)通過(guò)廣泛的圖像訓(xùn)練，從底層提取特征，能夠?qū)崿F(xiàn)對(duì)更加多樣化的影像表現(xiàn)識(shí)別并不斷自動(dòng)優(yōu)化?；谌斯ぶ悄艿男碌慕鉀Q方案給醫(yī)學(xué)影像分析帶來(lái)諸多益處：

• 高效的處理和分析影像速度，快速給出輔助判斷結(jié)果；

• 良好的靈敏度，降低篩檢中的漏診率；

• 專(zhuān)家知識(shí)學(xué)習(xí)，定量數(shù)據(jù)分析，填補(bǔ)醫(yī)技間鴻溝，提高基層檢查質(zhì)量。

人工智能+影像應(yīng)用的現(xiàn)狀

應(yīng)用概述

目前，人工智能在醫(yī)學(xué)影像領(lǐng)域的應(yīng)用暫時(shí)無(wú)法脫離輔助角色。

其應(yīng)用在功能層面上，主要有疾病診斷支持和治療決策支持，疾病診斷支持的發(fā)展明顯活躍于治療決策支持；在圖像類(lèi)型方面，各類(lèi)影像均有企業(yè)涉及，包括X線影像，CT影像，病理圖像，超聲影像等，但總體上以靜態(tài)圖像分析為主，對(duì)于動(dòng)態(tài)影像的處理較少。

在圖像處理方式上，包括了影像分類(lèi)、目標(biāo)檢測(cè)、圖像分割和圖像檢索。在疾病應(yīng)用方面，主要集中于肺癌篩查，糖網(wǎng)篩查，病理細(xì)胞篩查，病灶勾畫(huà)、臟器三維成像。

目前行業(yè)人工智能+影像應(yīng)用的特點(diǎn)

• 絕大多數(shù)應(yīng)用以單一疾病入手，進(jìn)行疾病篩查等檢查需求明確的影像分析，并不適用于臨床影像診斷需求。其中肺癌早篩是大多數(shù)企業(yè)的標(biāo)配，整理的12家人工智能企業(yè)中，8家涉及，占66.7%。

• 強(qiáng)調(diào)訓(xùn)練數(shù)據(jù)集的數(shù)量與質(zhì)量，并作為企業(yè)核心競(jìng)爭(zhēng)力的一部分。

• 模型影像診斷效果是企業(yè)的宣傳重點(diǎn)，但多數(shù)企業(yè)未披露具體評(píng)估過(guò)程，且評(píng)估指標(biāo)各異。

• 市場(chǎng)火熱但實(shí)際應(yīng)用率不足，大多數(shù)仍然停留在實(shí)驗(yàn)階段。

人工智能+影像應(yīng)用的瓶頸

雖然影像人工智能發(fā)展火熱，新進(jìn)入企業(yè)不斷增加，資本市場(chǎng)投資不斷升級(jí)，但通過(guò)研究分析綜合，我們認(rèn)為人工智能+影像應(yīng)用還面臨著包括多個(gè)方面的發(fā)展瓶頸，主要包括以下三大方面：

技術(shù)方面

1) 基于概率分析的關(guān)聯(lián)推理無(wú)法判斷疾病的因果關(guān)系

目前的深度學(xué)習(xí)最主要的特征是基于數(shù)據(jù)學(xué)習(xí)的概率分析，其結(jié)果是能夠進(jìn)行有效的診斷和預(yù)測(cè)，因此目前的深度學(xué)習(xí)在影像疾病篩檢診斷中表現(xiàn)出彩。但疾病診治是一個(gè)復(fù)雜動(dòng)態(tài)的決策系統(tǒng)，需要去理解不同因素與疾病的因果關(guān)系，才能夠采取更有效的干預(yù)實(shí)現(xiàn)疾病的治療。沒(méi)有醫(yī)學(xué)知識(shí)體系作為基礎(chǔ)的深度學(xué)習(xí)數(shù)據(jù)分析，只是將結(jié)果壓在訓(xùn)練數(shù)據(jù)上，訓(xùn)練數(shù)據(jù)的樣本量和離散情況對(duì)于訓(xùn)練結(jié)果將產(chǎn)生直接影響。

然而目前AI的發(fā)展過(guò)分的強(qiáng)調(diào)“概率關(guān)聯(lián)”，但是疾病對(duì)于人來(lái)說(shuō)永遠(yuǎn)都有未知的領(lǐng)域，如何能夠基于已有的醫(yī)學(xué)知識(shí)，將數(shù)據(jù)和知識(shí)這兩種模型結(jié)合起來(lái)，這才是影像AI在醫(yī)療領(lǐng)域向更深層次的治療與干預(yù)層面應(yīng)用的關(guān)鍵。

2) 訓(xùn)練所需標(biāo)注數(shù)據(jù)集獲取困難

目前基于深度學(xué)習(xí)的醫(yī)學(xué)影像人工智能都需要大量的標(biāo)注數(shù)據(jù)進(jìn)行訓(xùn)練，而且訓(xùn)練所用的標(biāo)注數(shù)據(jù)本身對(duì)于訓(xùn)練結(jié)果的影響要大于算法，但是現(xiàn)階段來(lái)說(shuō)，高質(zhì)量的訓(xùn)練用標(biāo)注數(shù)據(jù)獲取是一大難點(diǎn)，在國(guó)內(nèi)具體體現(xiàn)在如下幾個(gè)方面：

• 數(shù)字化影像數(shù)據(jù)難以獲取

國(guó)內(nèi)影像數(shù)字化的進(jìn)程在近些年才開(kāi)始，CHIMA的抽樣調(diào)查統(tǒng)計(jì)顯示，2016年醫(yī)院PACS系統(tǒng)的平均實(shí)施比例不足五成，三級(jí)以下醫(yī)院甚至只有三成。一些不能支持?jǐn)?shù)字化的影像設(shè)備在一些基層醫(yī)療機(jī)構(gòu)中仍在使用。而擁有大量數(shù)字化影像數(shù)據(jù)的三甲醫(yī)院數(shù)據(jù)的開(kāi)放依然是一個(gè)很大的問(wèn)題，企業(yè)必須與醫(yī)院合作才有機(jī)會(huì)獲取大量的數(shù)據(jù)，數(shù)據(jù)獲取困難大。

• 影像數(shù)據(jù)標(biāo)準(zhǔn)化程度低

不同醫(yī)院的影像系統(tǒng)互操作水平低，各個(gè)影像系統(tǒng)的數(shù)據(jù)紛紛散落在各地，互交換水平低。而且不同醫(yī)院之間影像成像數(shù)據(jù)往往會(huì)有系統(tǒng)性偏差，一些企業(yè)在與醫(yī)院合作獲得的都是本院數(shù)據(jù)，單一來(lái)源的訓(xùn)練結(jié)果產(chǎn)生偏差，對(duì)于訓(xùn)練數(shù)據(jù)來(lái)源的醫(yī)院產(chǎn)生的影像數(shù)據(jù)診斷靈敏度高，而對(duì)于其他醫(yī)療機(jī)構(gòu)來(lái)源的數(shù)據(jù)診斷靈敏度低。如何能夠獲取多樣性的大數(shù)據(jù)仍然是一大問(wèn)題。

• 數(shù)據(jù)標(biāo)注難度大

影像人工智能的訓(xùn)練需要大量已經(jīng)標(biāo)注好的影像數(shù)據(jù)，而標(biāo)注需要花掉大量的人力成本，且對(duì)訓(xùn)練結(jié)果產(chǎn)生直接影響。數(shù)據(jù)標(biāo)注的問(wèn)題主要體現(xiàn)在如下幾點(diǎn)：

i. 臨床醫(yī)學(xué)很多問(wèn)題的定義依然是模糊的，一些問(wèn)題定義的不明確使得標(biāo)注產(chǎn)生難度，甚至對(duì)于一些問(wèn)題，不同的專(zhuān)家標(biāo)注的結(jié)果可能會(huì)產(chǎn)生很大差別。與此同時(shí)，醫(yī)學(xué)的復(fù)雜性造成標(biāo)注只能局限于限定的領(lǐng)域，疾病的篩查都專(zhuān)注于一兩個(gè)領(lǐng)域，造成能夠解決的問(wèn)題也有限。

ii. 醫(yī)學(xué)本身的專(zhuān)業(yè)性使得可以參與標(biāo)注的人群門(mén)檻很高，需要醫(yī)學(xué)專(zhuān)業(yè)背景與年資和專(zhuān)業(yè)水平要求，這使得能參與標(biāo)注數(shù)據(jù)人員的數(shù)量進(jìn)一步減少。

iii. 標(biāo)注質(zhì)量沒(méi)法保證，市面上大多數(shù)公司很難擁有一支高水平的醫(yī)生團(tuán)隊(duì)作為專(zhuān)業(yè)顧問(wèn)，而將標(biāo)注數(shù)據(jù)的工作單獨(dú)外包不僅費(fèi)時(shí)費(fèi)力，還很難保證標(biāo)注質(zhì)量。

產(chǎn)業(yè)方面

1) 相關(guān)注冊(cè)、準(zhǔn)入、監(jiān)管法律法規(guī)體系尚未形成

隨著數(shù)字科學(xué)技術(shù)的創(chuàng)新和發(fā)展，從手機(jī)應(yīng)用軟件、健身追蹤設(shè)備到臨床決策輔助軟件，數(shù)字創(chuàng)新技術(shù)在很多方面都改變著現(xiàn)有的醫(yī)療保健模式。美國(guó)食品藥品監(jiān)督管理局（FDA）認(rèn)識(shí)到傳統(tǒng)的審評(píng)方法已經(jīng)不適用于監(jiān)管這些新興醫(yī)療工具。

2017年7月27日，F(xiàn)DA的器械和放射健康中心（CDRH）發(fā)布數(shù)字健康創(chuàng)新行動(dòng)計(jì)劃（Digital Health Innovation Action Plan），對(duì)醫(yī)療軟件提出監(jiān)管方法的新舉措。主要包括了首先明確了受監(jiān)管的醫(yī)療軟件范圍、創(chuàng)設(shè)軟件預(yù)認(rèn)證試點(diǎn)項(xiàng)目、成立評(píng)估專(zhuān)家組，并公布一系列幾乎出臺(tái)的規(guī)范性指南清單。

雖然中國(guó)市場(chǎng)的熱度并不亞于美國(guó)，但在法律法規(guī)的跟進(jìn)上相對(duì)慢了一些，現(xiàn)有聲稱(chēng)取得準(zhǔn)入資格的人工智能產(chǎn)品是按照傳統(tǒng)的CAD遵循《醫(yī)療器械軟件注冊(cè)技術(shù)審查指導(dǎo)原則》進(jìn)行申報(bào)所獲得的。

目前中國(guó)食品藥品監(jiān)督管理總局（CFDA）也在積極的設(shè)計(jì)應(yīng)對(duì)策略。2017年8月31日，國(guó)家食品藥品監(jiān)督管理總局（CFDA）發(fā)布了新版《醫(yī)療器械分類(lèi)目錄》，其中對(duì)醫(yī)用軟件目錄作了更新，其中放射治療輪廓勾畫(huà)軟件、放射治療模擬定位軟件被歸為治療計(jì)劃軟件下的放射治療輔助軟件，屬于Ⅲ類(lèi)管理類(lèi)別。

而目前主流人工智能企業(yè)的產(chǎn)品例如乳腺X射線影像計(jì)算機(jī)輔助診斷軟件、結(jié)腸計(jì)算機(jī)輔助診斷軟件、肺部計(jì)算機(jī)輔助診斷軟件、乳腺超聲輔助診斷軟件可歸為決策支持軟件中的計(jì)算機(jī)輔助診斷/分析軟件類(lèi)別，同樣屬于Ⅲ類(lèi)管理類(lèi)別。但是針對(duì)人工智能軟件產(chǎn)品的準(zhǔn)入標(biāo)準(zhǔn)，評(píng)估辦法都還處于空白階段。這也成為了限制相關(guān)企業(yè)實(shí)現(xiàn)產(chǎn)品變現(xiàn)優(yōu)化的重要瓶頸。

2) 影像人工智能輔助診斷結(jié)果評(píng)估缺乏標(biāo)準(zhǔn)，效果存疑

目前人工智能+影像的應(yīng)用集中于疾病的輔助診斷，病灶篩查。該類(lèi)模型的效果評(píng)估本質(zhì)上就是對(duì)篩檢試驗(yàn)或診斷試驗(yàn)的評(píng)估。以肺癌早篩為例，最核心的內(nèi)容是對(duì)肺部低劑量CT影像的結(jié)節(jié)識(shí)別以及結(jié)節(jié)部位、密度、大小、形態(tài)的分析。

目前主流的肺癌篩查人工智能影像系統(tǒng)會(huì)同時(shí)給出對(duì)結(jié)節(jié)的各項(xiàng)指標(biāo)的綜合判斷，但我們認(rèn)為不同內(nèi)容的評(píng)估指標(biāo)是有差異的，不應(yīng)該混淆評(píng)估。在篩檢試驗(yàn)中，高靈敏度可以降低漏診率，高特異度可以降低誤診率。而假陽(yáng)性結(jié)節(jié)數(shù)會(huì)直接影響模型對(duì)影像科醫(yī)生工作效率提升效果，即使模型在篩檢中為醫(yī)生發(fā)現(xiàn)了部分漏檢的結(jié)節(jié)，但前提是給醫(yī)生增加了大量假陽(yáng)性結(jié)節(jié)的判斷工作，工作效率不升反降，這樣的模型必然無(wú)法被醫(yī)生所采用。

這個(gè)問(wèn)題某種程度上折射出整個(gè)行業(yè)對(duì)醫(yī)學(xué)知識(shí)理解的不足。動(dòng)脈網(wǎng)蛋殼研究院搜集了47位人工智能醫(yī)療企業(yè)的CEO、CTO名單，除去14位專(zhuān)業(yè)不明確的，其中醫(yī)學(xué)相關(guān)專(zhuān)業(yè)的比例僅為21%，人工智能專(zhuān)業(yè)占比52%，雖然所有的醫(yī)療AI創(chuàng)業(yè)公司都會(huì)聘請(qǐng)臨床醫(yī)學(xué)專(zhuān)家作為公司的醫(yī)學(xué)顧問(wèn)，但就目前的產(chǎn)品表現(xiàn)來(lái)看，還有很多進(jìn)步的空間。

另外方面企業(yè)對(duì)外披露的數(shù)據(jù)上顯示出來(lái)的混亂性同樣也會(huì)讓醫(yī)療從業(yè)者對(duì)人工智能效果存疑，這在一定程度上也必將影響了醫(yī)療從業(yè)者對(duì)人工智能的接受程度。

應(yīng)用方面

1) 人工智能目前能夠解決的醫(yī)療影像問(wèn)題有限

醫(yī)療影像在臨床中主要有三大作用：輔助臨床診斷（識(shí)別，標(biāo)注，定性，分級(jí)），放射治療方案制定（分割，描邊，大小，評(píng)估）以及介入治療手術(shù)引導(dǎo)（3D可視化）。

目前市場(chǎng)主流產(chǎn)品主要集中于靜態(tài)影像的輔助診斷，且主要針對(duì)影像分析需求明確的特定疾病，例如肺結(jié)節(jié)篩檢，乳腺結(jié)節(jié)篩檢，糖網(wǎng)病變分級(jí)等。即使聲稱(chēng)為綜合類(lèi)的影像輔助診斷中，也以特定幾類(lèi)疾病為主，例如對(duì)肺部X線的智能分析，主要集中在對(duì)肺氣腫、肺結(jié)節(jié)、肺炎、腫塊等主要肺部疾病分析。

對(duì)于動(dòng)態(tài)影像輔助診斷，目前主流的方法是將動(dòng)態(tài)影像轉(zhuǎn)化為靜態(tài)圖片進(jìn)行處理，例如超聲數(shù)據(jù)，不同于靜態(tài)影像數(shù)據(jù)只看水平面上的相關(guān)性和信息，還需要處理具有同樣有特點(diǎn)、特征的上下層信息。并且還要解決醫(yī)生在超聲檢查中的移動(dòng)速度和壓力不同的導(dǎo)致的非標(biāo)準(zhǔn)化數(shù)據(jù)等問(wèn)題。由于動(dòng)態(tài)數(shù)據(jù)處理的要求更高，算法編制難度更大實(shí)際市面應(yīng)用披露的非常少，比較活躍的僅有浙江大學(xué)的孔德興教授團(tuán)隊(duì)。

人工智能在影像領(lǐng)域應(yīng)用局限于特定疾病主要有以下兩大原因，首先深度學(xué)習(xí)本身的自學(xué)習(xí)、自適應(yīng)性決定的，它需要大量的樣本數(shù)據(jù)學(xué)習(xí)才能更加準(zhǔn)確地獲取病癥圖像特征，以進(jìn)一步作出病癥診斷，這使得目前的應(yīng)用主要集中在發(fā)病率比較高即病人數(shù)據(jù)量比較多的病癥研究中。其次，醫(yī)學(xué)影像本身信號(hào)處理的復(fù)雜性，對(duì)于信號(hào)差別較小、結(jié)構(gòu)形態(tài)較為復(fù)雜的臟器、動(dòng)態(tài)影像等模型訓(xùn)練仍較難獲得滿意效果。

2) 影像人工智能系統(tǒng)應(yīng)用模式依然還需探索

目前，大多醫(yī)療影像人工智能在醫(yī)院依然是試用階段，其可能的主要應(yīng)用方式可以分為：直接單獨(dú)作為軟件給醫(yī)療機(jī)構(gòu)；與信息化系統(tǒng)集成后給醫(yī)療機(jī)構(gòu)；與醫(yī)療器械合作與硬件一起提供給醫(yī)療機(jī)構(gòu)；通過(guò)遠(yuǎn)程醫(yī)療提供給基層醫(yī)療機(jī)構(gòu)；通過(guò)互聯(lián)網(wǎng)醫(yī)療的方式直接提供給患者。在與提供直接提供給醫(yī)療機(jī)構(gòu)的模式中，大量未接云端的系統(tǒng)和醫(yī)院局域網(wǎng)的限制都有可能影響影像人工智能系統(tǒng)的使用。與此同時(shí)影像人工智能對(duì)于臨床一線的影像醫(yī)生診斷過(guò)程中起到的實(shí)際幫助作用，以及流程優(yōu)化仍需要進(jìn)行大量的實(shí)踐進(jìn)行探索。

人工智能+影像應(yīng)用發(fā)展建議

技術(shù)方面

• 算法：加深規(guī)則和深度學(xué)習(xí)的聯(lián)合模型的研究

• 數(shù)據(jù)：建立廣泛來(lái)源、標(biāo)準(zhǔn)化數(shù)據(jù)集，提高訓(xùn)練數(shù)據(jù)質(zhì)量；通過(guò)遷移學(xué)習(xí)減少標(biāo)注，提高標(biāo)注效率。

產(chǎn)業(yè)方面

• 人工智能軟件注冊(cè)規(guī)范制定應(yīng)關(guān)注模型的前中后期過(guò)程規(guī)范，模型效果評(píng)估指標(biāo)，模型安全性評(píng)價(jià)、診斷建議分級(jí)制度以及醫(yī)療機(jī)構(gòu)的準(zhǔn)入機(jī)制。

• 構(gòu)建人工智能醫(yī)用軟件評(píng)估專(zhuān)家團(tuán)隊(duì)，研制模型評(píng)估體系與標(biāo)準(zhǔn)。

• 影像醫(yī)學(xué)專(zhuān)家協(xié)會(huì)等行業(yè)組織，研究制定人工智能+影像相關(guān)專(zhuān)家共識(shí)，為企業(yè)提供醫(yī)學(xué)專(zhuān)業(yè)指導(dǎo)意見(jiàn)。

應(yīng)用方面

• 根據(jù)臨床診療規(guī)范和標(biāo)準(zhǔn)術(shù)語(yǔ)實(shí)現(xiàn)對(duì)數(shù)據(jù)標(biāo)注的規(guī)范化，提升系統(tǒng)結(jié)果輸出的互操作性。

• 影像診斷模型的訓(xùn)練不應(yīng)僅停留在對(duì)影像圖像的識(shí)別和分析上，應(yīng)整合病史、體征、實(shí)驗(yàn)室檢查、其他檢查等信息，進(jìn)一步提升人工智能的綜合診斷能力，從輔助診斷逐步過(guò)渡到預(yù)測(cè)判斷和輔助決策參考。

文章來(lái)源： OMAHA聯(lián)盟

背景資料：

人工智能（Artificial Intelligence），英文縮寫(xiě)為AI。它是研究、開(kāi)發(fā)用于模擬、延伸和擴(kuò)展人的智能的理論、方法、技術(shù)及應(yīng)用系統(tǒng)的一門(mén)新的技術(shù)科學(xué)。

人工智能是計(jì)算機(jī)科學(xué)的一個(gè)分支，它企圖了解智能的實(shí)質(zhì)，并生產(chǎn)出一種新的能以人類(lèi)智能相似的方式做出反應(yīng)的智能機(jī)器，該領(lǐng)域的研究包括機(jī)器人、語(yǔ)言識(shí)別、圖像識(shí)別、自然語(yǔ)言處理和專(zhuān)家系統(tǒng)等。人工智能從誕生以來(lái)，理論和技術(shù)日益成熟，應(yīng)用領(lǐng)域也不斷擴(kuò)大，可以設(shè)想，未來(lái)人工智能帶來(lái)的科技產(chǎn)品，將會(huì)是人類(lèi)智慧的“容器”。人工智能可以對(duì)人的意識(shí)、思維的信息過(guò)程的模擬。人工智能不是人的智能，但能像人那樣思考、也可能超過(guò)人的智能。

人工智能是一門(mén)極富挑戰(zhàn)性的科學(xué)，從事這項(xiàng)工作的人必須懂得計(jì)算機(jī)知識(shí)，心理學(xué)和哲學(xué)。人工智能是包括十分廣泛的科學(xué)，它由不同的領(lǐng)域組成，如機(jī)器學(xué)習(xí)，計(jì)算機(jī)視覺(jué)等等，總的說(shuō)來(lái)，人工智能研究的一個(gè)主要目標(biāo)是使機(jī)器能夠勝任一些通常需要人類(lèi)智能才能完成的復(fù)雜工作。但不同的時(shí)代、不同的人對(duì)這種“復(fù)雜工作”的理解是不同的。2017年12月，人工智能入選“2017年度中國(guó)媒體十大流行語(yǔ)”。

人工智能的定義可以分為兩部分，即“人工”和“智能”。“人工”比較好理解，爭(zhēng)議性也不大。有時(shí)我們會(huì)要考慮什么是人力所能及制造的，或者人自身的智能程度有沒(méi)有高到可以創(chuàng)造人工智能的地步，等等。但總的來(lái)說(shuō)，“人工系統(tǒng)”就是通常意義下的人工系統(tǒng)。

關(guān)于什么是“智能”，就問(wèn)題多多了。這涉及到其它諸如意識(shí)（CONSCIOUSNESS）、自我（SELF）、思維（MIND）（包括無(wú)意識(shí)的思維（UNCONSCIOUS_MIND））等等問(wèn)題。人唯一了解的智能是人本身的智能，這是普遍認(rèn)同的觀點(diǎn)。但是我們對(duì)我們自身智能的理解都非常有限，對(duì)構(gòu)成人的智能的必要元素也了解有限，所以就很難定義什么是“人工”制造的“智能”了。因此人工智能的研究往往涉及對(duì)人的智能本身的研究。其它關(guān)于動(dòng)物或其它人造系統(tǒng)的智能也普遍被認(rèn)為是人工智能相關(guān)的研究課題。

人工智能在計(jì)算機(jī)領(lǐng)域內(nèi)，得到了愈加廣泛的重視。并在機(jī)器人，經(jīng)濟(jì)政治決策，控制系統(tǒng)，仿真系統(tǒng)中得到應(yīng)用。

尼爾遜教授對(duì)人工智能下了這樣一個(gè)定義：“人工智能是關(guān)于知識(shí)的學(xué)科――怎樣表示知識(shí)以及怎樣獲得知識(shí)并使用知識(shí)的科學(xué)。”而另一個(gè)美國(guó)麻省理工學(xué)院的溫斯頓教授認(rèn)為：“人工智能就是研究如何使計(jì)算機(jī)去做過(guò)去只有人才能做的智能工作。”這些說(shuō)法反映了人工智能學(xué)科的基本思想和基本內(nèi)容。即人工智能是研究人類(lèi)智能活動(dòng)的規(guī)律，構(gòu)造具有一定智能的人工系統(tǒng)，研究如何讓計(jì)算機(jī)去完成以往需要人的智力才能勝任的工作，也就是研究如何應(yīng)用計(jì)算機(jī)的軟硬件來(lái)模擬人類(lèi)某些智能行為的基本理論、方法和技術(shù)。

人工智能是計(jì)算機(jī)學(xué)科的一個(gè)分支，二十世紀(jì)七十年代以來(lái)被稱(chēng)為世界三大尖端技術(shù)之一（空間技術(shù)、能源技術(shù)、人工智能）。也被認(rèn)為是二十一世紀(jì)三大尖端技術(shù)（基因工程、納米科學(xué)、人工智能）之一。這是因?yàn)榻陙?lái)它獲得了迅速的發(fā)展，在很多學(xué)科領(lǐng)域都獲得了廣泛應(yīng)用，并取得了豐碩的成果，人工智能已逐步成為一個(gè)獨(dú)立的分支，無(wú)論在理論和實(shí)踐上都已自成一個(gè)系統(tǒng)。

人工智能是研究使計(jì)算機(jī)來(lái)模擬人的某些思維過(guò)程和智能行為（如學(xué)習(xí)、推理、思考、規(guī)劃等）的學(xué)科，主要包括計(jì)算機(jī)實(shí)現(xiàn)智能的原理、制造類(lèi)似于人腦智能的計(jì)算機(jī)，使計(jì)算機(jī)能實(shí)現(xiàn)更高層次的應(yīng)用。人工智能將涉及到計(jì)算機(jī)科學(xué)、心理學(xué)、哲學(xué)和語(yǔ)言學(xué)等學(xué)科?？梢哉f(shuō)幾乎是自然科學(xué)和社會(huì)科學(xué)的所有學(xué)科，其范圍已遠(yuǎn)遠(yuǎn)超出了計(jì)算機(jī)科學(xué)的范疇，人工智能與思維科學(xué)的關(guān)系是實(shí)踐和理論的關(guān)系，人工智能是處于思維科學(xué)的技術(shù)應(yīng)用層次，是它的一個(gè)應(yīng)用分支。從思維觀點(diǎn)看，人工智能不僅限于邏輯思維，要考慮形象思維、靈感思維才能促進(jìn)人工智能的突破性的發(fā)展，數(shù)學(xué)常被認(rèn)為是多種學(xué)科的基礎(chǔ)科學(xué)，數(shù)學(xué)也進(jìn)入語(yǔ)言、思維領(lǐng)域，人工智能學(xué)科也必須借用數(shù)學(xué)工具，數(shù)學(xué)不僅在標(biāo)準(zhǔn)邏輯、模糊數(shù)學(xué)等范圍發(fā)揮作用，數(shù)學(xué)進(jìn)入人工智能學(xué)科，它們將互相促進(jìn)而更快地發(fā)展。

例如繁重的科學(xué)和工程計(jì)算本來(lái)是要人腦來(lái)承擔(dān)的，如今計(jì)算機(jī)不但能完成這種計(jì)算，而且能夠比人腦做得更快、更準(zhǔn)確，因此當(dāng)代人已不再把這種計(jì)算看作是“需要人類(lèi)智能才能完成的復(fù)雜任務(wù)”，可見(jiàn)復(fù)雜工作的定義是隨著時(shí)代的發(fā)展和技術(shù)的進(jìn)步而變化的，人工智能這門(mén)科學(xué)的具體目標(biāo)也自然隨著時(shí)代的變化而發(fā)展。它一方面不斷獲得新的進(jìn)展，另一方面又轉(zhuǎn)向更有意義、更加困難的目標(biāo)。

通常，“機(jī)器學(xué)習(xí)”的數(shù)學(xué)基礎(chǔ)是“統(tǒng)計(jì)學(xué)”、“信息論”和“控制論”。還包括其他非數(shù)學(xué)學(xué)科。這類(lèi)“機(jī)器學(xué)習(xí)”對(duì)“經(jīng)驗(yàn)”的依賴性很強(qiáng)。計(jì)算機(jī)需要不斷從解決一類(lèi)問(wèn)題的經(jīng)驗(yàn)中獲取知識(shí)，學(xué)習(xí)策略，在遇到類(lèi)似的問(wèn)題時(shí)，運(yùn)用經(jīng)驗(yàn)知識(shí)解決問(wèn)題并積累新的經(jīng)驗(yàn)，就像普通人一樣。我們可以將這樣的學(xué)習(xí)方式稱(chēng)之為“連續(xù)型學(xué)習(xí)”。但人類(lèi)除了會(huì)從經(jīng)驗(yàn)中學(xué)習(xí)之外，還會(huì)創(chuàng)造，即“跳躍型學(xué)習(xí)”。這在某些情形下被稱(chēng)為“靈感”或“頓悟”。一直以來(lái)，計(jì)算機(jī)最難學(xué)會(huì)的就是“頓悟”?；蛘咴賴?yán)格一些來(lái)說(shuō)，計(jì)算機(jī)在學(xué)習(xí)和“實(shí)踐”方面難以學(xué)會(huì)“不依賴于量變的質(zhì)變”，很難從一種“質(zhì)”直接到另一種“質(zhì)”，或者從一個(gè)“概念”直接到另一個(gè)“概念”。正因?yàn)槿绱?，這里的“實(shí)踐”并非同人類(lèi)一樣的實(shí)踐。人類(lèi)的實(shí)踐過(guò)程同時(shí)包括經(jīng)驗(yàn)和創(chuàng)造。

2013年，帝金數(shù)據(jù)普數(shù)中心數(shù)據(jù)研究員S.C WANG開(kāi)發(fā)了一種新的數(shù)據(jù)分析方法，該方法導(dǎo)出了研究函數(shù)性質(zhì)的新方法。作者發(fā)現(xiàn)，新數(shù)據(jù)分析方法給計(jì)算機(jī)學(xué)會(huì)“創(chuàng)造”提供了一種方法。本質(zhì)上，這種方法為人的“創(chuàng)造力”的模式化提供了一種相當(dāng)有效的途徑。這種途徑是數(shù)學(xué)賦予的，是普通人無(wú)法擁有但計(jì)算機(jī)可以擁有的“能力”。從此，計(jì)算機(jī)不僅精于算，還會(huì)因精于算而精于創(chuàng)造。計(jì)算機(jī)學(xué)家們應(yīng)該斬釘截鐵地剝奪“精于創(chuàng)造”的計(jì)算機(jī)過(guò)于全面的操作能力，否則計(jì)算機(jī)真的有一天會(huì)“反捕”人類(lèi)。

當(dāng)回頭審視新方法的推演過(guò)程和數(shù)學(xué)的時(shí)候，作者拓展了對(duì)思維和數(shù)學(xué)的認(rèn)識(shí)。數(shù)學(xué)簡(jiǎn)潔，清晰，可靠性、模式化強(qiáng)。在數(shù)學(xué)的發(fā)展史上，處處閃耀著數(shù)學(xué)大師們創(chuàng)造力的光輝。這些創(chuàng)造力以各種數(shù)學(xué)定理或結(jié)論的方式呈現(xiàn)出來(lái)，而數(shù)學(xué)定理最大的特點(diǎn)就是：建立在一些基本的概念和公理上，以模式化的語(yǔ)言方式表達(dá)出來(lái)的包含豐富信息的邏輯結(jié)構(gòu)。應(yīng)該說(shuō)，數(shù)學(xué)是最單純、最直白地反映著（至少一類(lèi)）創(chuàng)造力模式的學(xué)科。

1956年夏季，以麥卡賽、明斯基、羅切斯特和申農(nóng)等為首的一批有遠(yuǎn)見(jiàn)卓識(shí)的年輕科學(xué)家在一起聚會(huì)，共同研究和探討用機(jī)器模擬智能的一系列有關(guān)問(wèn)題，并首次提出了“人工智能”這一術(shù)語(yǔ)，它標(biāo)志著“人工智能”這門(mén)新興學(xué)科的正式誕生。IBM公司“深藍(lán)”電腦擊敗了人類(lèi)的世界國(guó)際象棋冠軍更是人工智能技術(shù)的一個(gè)完美表現(xiàn)。

從1956年正式提出人工智能學(xué)科算起，50多年來(lái)，取得長(zhǎng)足的發(fā)展，成為一門(mén)廣泛的交叉和前沿科學(xué)?？偟恼f(shuō)來(lái)，人工智能的目的就是讓計(jì)算機(jī)這臺(tái)機(jī)器能夠像人一樣思考。如果希望做出一臺(tái)能夠思考的機(jī)器，那就必須知道什么是思考，更進(jìn)一步講就是什么是智慧。什么樣的機(jī)器才是智慧的呢？科學(xué)家已經(jīng)作出了汽車(chē)，火車(chē)，飛機(jī)，收音機(jī)等等，它們模仿我們身體器官的功能，但是能不能模仿人類(lèi)大腦的功能呢？到目前為止，我們也僅僅知道這個(gè)裝在我們天靈蓋里面的東西是由數(shù)十億個(gè)神經(jīng)細(xì)胞組成的器官，我們對(duì)這個(gè)東西知之甚少，模仿它或許是天下最困難的事情了。

當(dāng)計(jì)算機(jī)出現(xiàn)后，人類(lèi)開(kāi)始真正有了一個(gè)可以模擬人類(lèi)思維的工具，在以后的歲月中，無(wú)數(shù)科學(xué)家為這個(gè)目標(biāo)努力著。如今人工智能已經(jīng)不再是幾個(gè)科學(xué)家的專(zhuān)利了，全世界幾乎所有大學(xué)的計(jì)算機(jī)系都有人在研究這門(mén)學(xué)科，學(xué)習(xí)計(jì)算機(jī)的大學(xué)生也必須學(xué)習(xí)這樣一門(mén)課程，在大家不懈的努力下，如今計(jì)算機(jī)似乎已經(jīng)變得十分聰明了。例如，1997年5月，IBM公司研制的深藍(lán)（DEEP BLUE）計(jì)算機(jī)戰(zhàn)勝了國(guó)際象棋大師卡斯帕洛夫（KASPAROV）。大家或許不會(huì)注意到，在一些地方計(jì)算機(jī)幫助人進(jìn)行其它原來(lái)只屬于人類(lèi)的工作，計(jì)算機(jī)以它的高速和準(zhǔn)確為人類(lèi)發(fā)揮著它的作用。人工智能始終是計(jì)算機(jī)科學(xué)的前沿學(xué)科，計(jì)算機(jī)編程語(yǔ)言和其它計(jì)算機(jī)軟件都因?yàn)橛辛巳斯ぶ悄艿倪M(jìn)展而得以存在。

醫(yī)學(xué)影像是指為了醫(yī)療或醫(yī)學(xué)研究，對(duì)人體或人體某部分，以非侵入方式取得內(nèi)部組織影像的技術(shù)與處理過(guò)程。它包含以下兩個(gè)相對(duì)獨(dú)立的研究方向：醫(yī)學(xué)成像系統(tǒng)（medical imaging system）和醫(yī)學(xué)圖像處理（medical image processing）。前者是指圖像行成的過(guò)程，包括對(duì)成像機(jī)理、成像設(shè)備、成像系統(tǒng)分析等問(wèn)題的研究；后者是指對(duì)已經(jīng)獲得的圖像作進(jìn)一步的處理，其目的是或者是使原來(lái)不夠清晰的圖像復(fù)原，或者是為了突出圖像中的某些特征信息，或者是對(duì)圖像做模式分類(lèi)等等。

作為一門(mén)科學(xué)，醫(yī)學(xué)影像屬于生物影像，并包含影像診斷學(xué)、放射學(xué)、內(nèi)視鏡、醫(yī)療用熱影像技術(shù)、醫(yī)學(xué)攝影和顯微鏡。另外，包括腦波圖和腦磁造影等技術(shù)，雖然重點(diǎn)在于測(cè)量和記錄，沒(méi)有影像呈顯，但因所產(chǎn)生的數(shù)據(jù)俱有定位特性(即含有位置信息)，可被看作是另外一種形式的醫(yī)學(xué)影像。

臨床應(yīng)用方面，又稱(chēng)為醫(yī)學(xué)成像，或影像醫(yī)學(xué)，有些醫(yī)院會(huì)設(shè)有影像醫(yī)學(xué)中心、影像醫(yī)學(xué)部或影像醫(yī)學(xué)科，并配備相關(guān)的儀器設(shè)備，編制有專(zhuān)門(mén)的護(hù)理師、放射技師以及醫(yī)師，負(fù)責(zé)儀器設(shè)備的操作、影像的解釋與診斷(在臺(tái)灣須由醫(yī)師負(fù)責(zé))，這與放射科負(fù)責(zé)放射治療有所不同。

在醫(yī)學(xué)、醫(yī)學(xué)工程、醫(yī)學(xué)物理與生醫(yī)資訊學(xué)方面，醫(yī)學(xué)影像通常是指研究影像構(gòu)成、擷取與儲(chǔ)存的技術(shù)、以及儀器設(shè)備的研究開(kāi)發(fā)的科學(xué)。而研究如何判讀、解釋與診斷醫(yī)學(xué)影像的是屬于放射醫(yī)學(xué)科，或其他醫(yī)學(xué)領(lǐng)域(如神經(jīng)系統(tǒng)學(xué)科、心血管病學(xué)科...)的輔助科學(xué)。

醫(yī)學(xué)影像發(fā)展至今，除了X 射線以外，還有其他的成像技術(shù)，并發(fā)展出多種的影像技術(shù)應(yīng)用。另外在生醫(yī)資訊應(yīng)用方面，為能所產(chǎn)生的數(shù)位影像檔案與影像數(shù)位化檔案，可以交換與查閱，發(fā)展出醫(yī)療數(shù)位影像傳輸協(xié)定技術(shù)。常用的醫(yī)學(xué)影像技術(shù)包括：

血管攝影 (Angiography)：或稱(chēng)動(dòng)脈攝影、血管造影，是用x光照射人體內(nèi)部，觀察血管分布的情形，包括動(dòng)脈、靜脈或心房室。

心血管造影 (Cardiac angiography)：將造影劑通過(guò)心導(dǎo)管快速注入心腔或血管，使心臟和血管腔在X線照射下顯影，同時(shí)有快速攝片，電視攝影或磁帶錄像等方法，將心臟和血管腔的顯影過(guò)程拍攝下來(lái)，從顯影的結(jié)果可以看到含有造影劑的血液流動(dòng)順序，以及心臟血管充盈情況，從而了解心臟和血管的生理和解剖的變化。是一種很有價(jià)值的診斷心臟血管病方法。

電腦斷層掃描 (CT, Computerized tomography)，或稱(chēng)電子計(jì)算機(jī)斷層掃描，根據(jù)所采用的射線不同可分為：X射線CT（X-CT）、超聲CT（UCT）以及γ射線CT（γ-CT)等。

乳房攝影術(shù)(Mammography)：是利用低劑量（約為 0.7毫西弗）的X光檢查人類(lèi)（主要是女性）的乳房，它能偵測(cè)各種乳房腫瘤、囊腫等病灶，有助于早期發(fā)現(xiàn)乳癌。

正子發(fā)射斷層掃描 (PET, Positron emission tomography)：是一種核醫(yī)學(xué)成像技術(shù)，它為全身提供三維的和功能運(yùn)作的圖像。是目前唯一的用解剖形態(tài)方式進(jìn)行功能、代謝和受體顯像的技術(shù)，具有無(wú)創(chuàng)傷性的特點(diǎn)，是目前臨床上用以診斷和指導(dǎo)治療腫瘤最佳手段之一。

核磁共振成像 (NMRI, Nuclear magnetic resonance imaging)：通過(guò)外加梯度磁場(chǎng)檢測(cè)所發(fā)射出的電磁波，據(jù)此可以繪制人體內(nèi)部結(jié)構(gòu)。

醫(yī)學(xué)超音波檢查 (Medical ultrasonography)：運(yùn)用超聲波的物理特性，通過(guò)電子工程技術(shù)對(duì)超聲波發(fā)射、接收、轉(zhuǎn)換及電子計(jì)算機(jī)的快速分析、處理和顯象，從而對(duì)人體軟組織的物理特性、形態(tài)結(jié)構(gòu)與功能狀態(tài)作出判斷的一種非創(chuàng)傷性檢查方式，使肌肉和內(nèi)臟器官——包括其大小、結(jié)構(gòu)和病理學(xué)病灶——可視化。