AI医疗影像辅助诊断系统
技术类型：非专利行业分类：生物医学
交易方式：完全转让,许可转让,技术入股
技术成熟度：正在研发
交易价格：面议
立即咨询
项目介绍
研究显示，医疗影像数据每年的增长率约为30%，而放射科医师数量的年增长率仅约为4。1%，这意味着放射科医师在未来将超负荷工作；这必将会大大降低医师的诊断效率，甚至降低诊断准确性；另外，由于医疗影像诊断对医师的诊断经验有着较高要求，而在发展水平较低的地区，经验丰富的诊断医师资源相对匮乏。
为在一定程度上减轻放射科医师压力，计算机辅助诊断(CAD)系统被提出。近年来，深度学习发展迅猛，众多计算机视觉任务由于深度学习的兴起而快速发展。以数据驱动的深度学习模型可以通过构建医疗影像辅助诊断系统。从而快速处理大量的医疗影像数据。
本项目目前以胸部医疗影像为主，已建立了两个系统，DR肺部胸片智能诊断系统和肺部结节智能诊断系统。前者主要针对的是X光拍摄的二维胸部图片，可实现多达14种肺部疾病的智能诊断；后者主要针对的是CT拍摄的三维胸部影像，实现肺部结节的智能检测。
项目成熟度
(1)项目在算法优势上占据显著优势，项目所提出的两个系统的算法均为国际领先水准，通过高校自主创新设计而成的可靠、简单的深度学习模型，达到精度高、速度快、可靠性强的算法优势，形成了先天的技术屏障。
(2)项目已在众多重要比赛中得到验证。此项目目前已参加了"全球(南京)人工智能大赛"、"首届中国'AI+'创新创业比赛"等多个比赛，均取得了优异成绩，在各个比赛中得到了专家的肯定，并在其指导中不断改进优化。
(3)项目目前已经在实际应用中得到了检验。项目组通过将算法封装成为完整的软件，将软件应用于厦门医院中，帮助医生进行辅助诊断，并在不断的实践中得到了改进，一步步更加符合真正医疗工作者的应用场景，符合医疗工作者的实际需求。
(4)我们的项目在技术与市场应用中均已有成熟的基础。
应用范围
(1) 辅助医生处理大量的放射性影像，在一定程度上减轻医师的工作量和压力。医生面对日益增长的影像数据，工作量剧增，容易疲劳，从而导致看片的效果下降。若能用人工智能算法给医生提供参考，能加快医生看片的效率，满足日益增多的病人的需求。
(2) 致力于肺部疾病筛查。肺部疾病作为体验的重要项目之一，医院每天面临大量的体验影像数据。而这些影像大多数是正常，引用人工智能诊断方法，可以避免医生重复的工作。在允许有误检的情况下，提高召回率，是可以完全投入到筛查应用中。
(3) 应用于厦门市的分级治疗。对于乡村和社区医院，医生相对缺乏经验，因此肺部疾病的智能诊断，能给小医院提供一个重要的参考意见。同时能让附近的病人得到更好的治疗效果，减轻大医院病人日益增多的压力。
生产条件与经济效益评估
(1) 生产条件
本团队为厦门大学信息科学与技术学院智能数据分析与处理团队，包括教授1名，副教授3名，研究生30余名。团队合作方包括哥伦比亚大学、瑞尔森大学和华南理工大学等。团队带头人为丁兴号教授、博导，福建省高等学校新世纪优秀人才，福建省智慧城市感知与计算重点实验室副主任。团队近年来已经在IEEE Trans。 Image Processing，IEEE CVPR， IEEE ICCV， AAAI等人工智能、机器视觉、图像处理和信号处理领域顶级期刊会议上发表论文60余篇。团队主要研究方向是深度学习、计算机视觉与图像处理、医学图像处理等，在医学各个领域都有不错的成果。在今年的miccai比赛上，分别取取得了脑部分割第一名和乳腺病理图像分类的第二名。目前实验室同时致力于研究研究眼底分割，脑肿瘤分割，肺部结节智能诊断，dr胸片疾病诊断，乳腺癌诊断等项目，同时在多类期刊会议上均有相关文章发表。
(2) 经济效益评估：
互联网以人工智能的飞速发展深入各行各业，人工智能医疗是一个科技含量很高的领域，既可以帮助年轻医生成长，又能提高资深医生的效率，还能减少甚至避免医生出错。我们需要不知疲倦、不耍脾气的忠实助手。AI医疗能极大的降低人力成本，同时能创造出更好的个性化健康方案，在目前医疗现状中，有着较为广阔的市场应用前景，由此带来的经济效益也是不可低估。
合作方式
欢迎各类形式的合作。
