“人工智能+医学影像”是人工智能的一种特定应用场景，它将最先进的人工智能技术应用于医学影像诊断，以帮助医生诊断患者的病情。它可以广泛用于各种类型的病变（例如乳腺癌）的识别和标记。最近，放射学领域的国际顶级期刊放射学（“ Radiology”）最近发表了一篇论文，题为“基于深度学习的用于检测脑神经动脉瘤CTAngiographyImages的算法”。论文表明，人工智能算法检测动脉瘤的敏感性高达97.5％，这有助于医生将临床诊断的敏感性提高约10％，将漏诊率降低5％，并有效地缩短了诊断时间供医生诊断。本文由华中科技大学电信学院，华为云EI创新孵化实验室，华中科技大学同济医学院附属协和医院放射科共同完成。动脉瘤的算法。这是人工智能在医学成像领域的最新研究成果，也是利用人工智能技术诊断脑动脉瘤的重大科学研究成果。放射学最新发布的华为云和华中科技大学的最新联合医学研究成果。脑动脉瘤是大脑血管的弱化区域。如果不加以治疗，它们可能会泄漏或破裂，有时甚至是致命的。动脉瘤破裂的风险取决于动脉瘤的大小，形状和位置。因此，脑动脉瘤的检测和特征提取是指导治疗的关键。 CT血管造影（CTA）是目前评估颅内动脉瘤的主要影像学方法。然而，由于脑动脉瘤的体积小和颅内血管的复杂性，即使是专业的放射科医生也需要很长时间来进行诊断。随着时间的流逝，一些小的动脉瘤也可能会丢失。深度学习的使用将帮助医生更快，更准确地诊断脑动脉瘤。为了缩短诊断时间，提高诊断准确性，华为云EI创新孵化实验室与华中科技大学电信学院，华中科技大学同济医学院附属协和医院（武汉协和医院）共同开发可以识别CT血管造影图像以检测脑动脉瘤的深度学习算法。 HUAWEI CLOUD团队使用了500多名患者的CT血管造影术，基于ModelArts（HUAWEI CLOUD的一站式AI开发平台）训练了模型，然后使用了534个CT血管造影数据集进行测试，包括649个动脉瘤。从数据的角度来看，该算法在649个脑动脉瘤中检测到633个，灵敏度为97.5％。该研究还发现了8种新的动脉瘤，在最初的临床评估中被忽略。参与联合项目的武汉协和医院放射科医师龙谦博士说：“深度学习算法在检测动脉瘤方面表现出出色的性能。我们发现在最初的临床诊断报告中几乎没有忽略的动脉瘤，通过深度学习算法已成功识别出来。”结果表明，深度学习算法在脑动脉瘤的诊断中具有潜力，有望在临床中用作第二意见诊断工具。人工智能具有许多优势，主要是因为它不受影响人类绩效的因素（例如经验水平，工作时间和情绪）的影响。对于排名前三的医院，引入人工智能+医学影像可以改善传统的手动阅读模式，高度依赖医生，在一定程度上缓解医学影像诊断的压力，还可以满足前三医院的科研需求。 。与三级医院相比，基层医院处理和判断复杂图像的能力较弱，因此误诊率和漏诊率较高。通过对早期图像诊断结果进行分析和处理，人工智能可以增加筛查次数，降低误诊误诊率，从而提高综合医学水平。人工智能会取代放射科医生吗？在这方面，龙谦博士说：“与华为云合作开发AI深度学习算法的目的是帮助放射科医生，而不是取代放射科医生。将来，需要收集，分析和验证更多的异构数据和高质量数据。