为何此款医疗AI应用冲出重围，独占C位？——系列一：核心技术优势

随着磁共振成像等影像设备的发展，计算机辅助诊断越来越成为临床诊断中极具价值的手段之一。近日翼展医疗集团联合清华大学生物医学影像研究中心的产业转化平台北京清影华康科技有限公司共同推出的磁共振斑块影像人工智能解决方案，是从临床的角度出发，帮助医生进行心血管疾病的自动化检测等工作。

据卫生部公布数据显示，自1990年起我国心血管疾病死亡率和死亡构成比持续居首位，目前在全国总死亡人数中占约40%的比例，心血管疾病负担日益加剧，预防和治疗迫在眉睫。动脉粥样硬化是心血管疾病的一个主要成因，始于血管壁增厚，然后产生斑块；斑块的累积导致颈动脉血管逐渐狭窄，造成栓塞，使斑块分裂并随血流进入人体脑部，并使人出现中风等突发性疾病。因此，对动脉斑块进行早期检测，对防止突然性死亡具有重要意义。

目前医学图像处理，包括图像分割在内，是对粥样硬化进行早期检测的重要手段。众多企业联合科研专家纷纷涉足计算机辅助诊断检测领域，但是大多企业是从单纯技术入手，比如线圈的研发等，至于具体如何使用，如何落地，尚没有一个清晰的规划。而翼展医疗集团联合清华大学生物医学影像研究中心的产业转化平台北京清影华康科技有限公司共同推出的磁共振斑块影像人工智能解决方案，打法稍显不同，是基于临床需求的挖掘，继而用技术解决需求，最后才到产品的研发，这一模式意味着该项技术会更贴近临床，也更懂临床的需求。

磁共振斑块影像人工智能解决方案是以清华大学深厚的工科背景为依托，基于数万份专家标注的标准病例研发生成。模型可从斑块形态、成分特征方面进行准确全面的判读分析，血管壁分割准确率达97.2%，为医生快速定位病灶以及了解病变区域的情况提供帮助，减轻医生的工作压力，提高诊断的效率和诊断的准确度。

图像智能分析内容：

机器首先对图像质量进行分析，判断图像是否可以使用，对不能使用的图像反馈给医生重新扫描，提高分析的准确率。

评估结果对测试数据集的敏感性和特异性

血管壁分割与斑块成分分析：

自动获取多个MR图像序列并对图像质量评估，剔除不合格图像的同时进行图像配准，生成多对比度的血管重建图像，对斑块的结构及成分进行自动识别，几分钟内即可完成精确分割颈动脉、勾勒斑块轮廓、分析斑块成分（LRNC斑块脂质核心用黄色表示，IPH斑块内出血为橙色，CA斑块钙化为深蓝色）、检测其三维立体分布状态。诊断结果采取国际公认的AHA美国心脏学会标准进行病情评估及风险预测，有利于血管外科医生、神经科医生、介入治疗医生以及心脑血管医生对患者的干预防治与临床决策。

在对比实验针对非常见样本的处理中，放射科医生手动勾勒的轮廓显示为错误；而模型能够正确对颈动脉壁进行划分，充分证明了模型的鲁棒性。

下图左侧为人工标注，右侧图像为机器标注。可以明显看出机器标注出了豁口，有豁口意味着斑块已经破裂，在临床上表面破裂的斑块被称为高危斑块，内容物会流出，对患者危害很大，急需诊治。

左侧为人工标注，右侧为机器标注

通过影像学手段，对血管斑块进行评估，能极大帮助临床预计及诊断疾病。在该软件的工具栏中，点击“Plaque Analysis”按钮，能够进入斑块分析界面，如图所示：

斑块分析界面

该界面主要分为如下几个功能区：

1）影像显示主窗口：用以显示影像；

2）层内配准：当发现多个序列之间有不配准的现象，允许将序列上下左右移动；

3）斑块分析：允许用户在序列上对管腔管壁及斑块进行勾画

4）Stenosis测量：允许用户测量血管的狭窄成都

5）翻页及改页的评论：允许层间配准及用户对每一页评论

斑块分析报告结果报告

磁共振斑块影像人工智能解决方案将借助强大渠道资源优势，持续为医院及各类医疗机构提供支撑。