2018年北美放射學年會心臟MRI人工智能研究進展

陳梓嫻，林 晨，倪金榮，南 江，莊 辛，薛敬梅，郭順林，雷軍強*

(1.蘭州大學第一醫院放射科，甘肅 蘭州 730000；2.甘肅省智能影像醫學工程研究中心，甘肅 蘭州 730000；3.精準影像協同創新甘肅省國際科技合作基地，甘肅 蘭州 730000)

2018年北美放射學年會(Radiological Society of North America， RSNA)會議的主題是“Tomorrow's Radiology Today”,人工智能(artificial intelligence，AI)、機器學習(machine learning, ML)和深度學習(deep learning， DL)是本次會議的亮點，未來AI等創新技術將推動影像學技術向“快速、安全、定量、精準、經濟”的方向發展。由影像學資料、臨床信息、基因特征、風險因素等構建的信息中心將為個體化治療提供巨大幫助。AI、ML及DL之間的關系見圖1。

AI的概念由計算機科學家于1956年首次提出，是包含數學、計算機科學等多領域的交叉學科，被用于模擬、擴展和延伸人的智能的理論、技術、方法及應用系統[1]。隨后在AI基礎上出現了ML的概念，1996年Langley定義的ML是一門AI科學，該領域的研究對象是AI，是如何在經驗學習中改善具體算法的能力。換言之，ML就是實現、支持AI的計算方法，通過ML讓機器變得更加智能。DL是在ML過程中基于對數據進行表征學習的方法，而卷積神經網絡(convolutional neural networks， CNN)又是DL中應用最廣泛的算法。近年來，隨著影像學技術和計算機技術的不斷發展及有機結合，通過結合或改進傳統的圖像處理方法，已將越來越多的AI技術應用到醫學影像學中，在提高影像學醫師工作效率的同時提高診斷準確率，使得AI在影像學輔助診斷中的潛在價值迅速增加。

圖1 人工智能關系示意圖

目前AI應用比較成熟的影像學領域有肺結節的診斷[2]、乳腺癌篩查[3]及前列腺癌的診斷[4]。……