《人工智能在医学领域应用介绍PPT模板课件》由会员分享，可在线阅读，更多相关《人工智能在医学领域应用介绍PPT模板课件（31页珍藏版）》请在金锄头文库上搜索。
1、人工智能在肿瘤癌症诊断应用项目介绍,关键词：人工智能，恶性肿瘤诊断，医学影像分析，辅助诊断系统,2,总部,阶段,定位,目标,美国加州硅谷,专注于人工智能恶性肿瘤 医学影像分析及辅助诊断产品系统的开发平台。其开发的AI产品可以显著提高对癌症的识别率及诊断精度，降低误诊率及漏诊率,产品试用期,成为人工智能对恶性肿瘤医学影像辅助诊断细分市场中的领导企业,3,不精确，误判率高。主要是基于医学专家多年学习和累积经验。目前中国临床医疗总误诊率为27.8%，恶性肿瘤平均误诊率40%,缺口大，目前中国医学影像数据的年增长率约为30%，而专科医师数量的年增长率仅为4%，专科医师工作严重超负荷,因其具有高强度（集
2、中脑力分析）、高风险（判断误差）、高流量（海量数据）之特性，专科医师处理影像数据的压力越来越大，尤其是超负荷工作，将导致更多的误诊或误判,与其他专家印证（验证）的代价（费用） 高，周期长,医学图像质量参差不齐（非标准化）,4,右边的实时报表还只是CT及MRI影像数据量的1/10之一而已。每天就诊的患者平均在200-300人之间，也就是说每天的数据就在20万张以上；年数据量在数千万张以上。,海量数据（南方医院:日实时影像数据） 21个病人的数据量是23787张,南方医院：乳腺基本上都做断层（DBT），每一个摄影体位约重建60-70层，平均每天40-50人次，每天影像数据量在1万张左右；年数据量在
3、数200万张以上,5,DL近来在图像分类分析上取得了突破性的进展；而我们应用的DL对X光分类可超过专家的准确度,Six,6,7,全国肿瘤登记中心发布的2012中国肿瘤登记年报披露，全国每年新发肿瘤病例估计约为312万例，平均每天8550人，全国每分钟有6人被诊断为恶性肿瘤。 我国居民一生罹患癌症的概率为22%。 全国肿瘤死亡率为180.54/10万，每年因癌症死亡病例270万例。 全国癌症死亡几率是13%，即每7至8人中会有1人因癌症死亡。 其中肺癌、胃癌、食道癌、肝癌、乳腺癌、宫颈癌最为多见，约占全部恶性肿瘤的70%-80%。,8,中国乳腺癌死亡率每年超万，是中国女性最常见的癌症。 年龄标化
4、率（ASR）为每10万人21.6例。城市是农村地区的2倍 中国是乳腺癌发病率增长最快的国家之一，正以每年3%速度递增 中国主要城市10年来乳腺癌发病率增长了37%，死亡率增长了38.9%，农村死亡率增长了39.7%。相关资料显示，西方妇女乳腺癌的发病人数高峰期为5055岁，但中国女性的乳腺癌发病年龄，要比西方女性小10岁左右。 美国统计资料表明,乳腺癌占整个癌症发病率的15.3%,仅次于前列腺癌,位居第2,死亡率为7.3%。,9,黑色素瘤一般指恶性黑色素瘤（malignant melanoma，MM）是皮肤恶性黑色素瘤的一种，与皮肤鳞状细胞癌及皮肤基底细胞癌共同组成最常见的皮肤三大恶性肿瘤。黑
5、色素瘤多由黑色素细胞所形成的痣或黑色素斑发生恶变而来。黑色素瘤已成为近年来所有恶性肿瘤中发病率增长最快的恶性肿瘤，年增长率3%-5%。尤其是，恶性黑色素瘤一旦进入快速生长期，则患者预后极差、病死率较高。 在美国癌症中高发率排名第六位。每10万人的发病率为21.8 。 美国2016年恶性黑色素瘤的新发病例数目为76380人，死亡人数为10130人。,10,早期乳腺癌：可通过Mammography（乳房X线照相术）中的钙化点发现 研究证明两个专家看同一张X光可以大大提高准确率 但专家费用高，预约时间长,11,CT或MRI图像是诊断脑瘤的常用方法 我们可以用DL对脑图像分类 可以探测一张图像是否有肿
6、瘤,小贴士(tip)：AI在3D图像识别上优于人类。受肉眼所限，人类只能看到图像外面的一层， 内部被挡住了。要看到内部， 就需要一层一层的断层扫描观看。很不直观。受过训练的电脑就不受这个限制。所有的数据都可以看到。因此AI发展到2D图片识别接近或超过人类时，而在3D图像的识别就能轻松超过人类。,12,技术产品：人工智能+专注于恶性肿瘤+医学影像分析及辅助诊断产品系统的开发平台 我们采用的是国际上最先进的人工智能（DL）技术及最优化的算法在医学影像分析中的应用开发 我们拥有自主开发的AI特殊深度神经网络结及独特的病变标记技术 我们的产品专注于恶性肿瘤医学影像辅助诊断的细分市场 我们提供一个低成本
7、、辅助精准诊断的云服务平台 其产品医学院可用来更有效的培训学生的诊断技能,13,应用几何代数对高维医学影像进行实时而且准确地重建、分析与处理，从而得到清晰可见的癌细胞组织图像；克服原有癌细胞图像强度不均一的缺点，提高癌细胞分类的准确性和具体性。 根据不同的医学影像模式，设计不同的深度学习的算法。对于高维度医学影像，我们设计了适合高维图像深度学习的机器，允许同时分析所有维数的影像信息 （从空间到时间），获取准确的癌细胞图像分类。我们的特殊深度学习的算法，只学习与癌细胞有关的patch，提高了深度学习的有效性。 建立半监督的深度学习,我们首先根据影像学特征精细划分一幅图像到许多细小的区域,然后聚类
8、细小的区域到相对大的patch。最后结合深度学习分割癌细胞。这种处理方法能够建立更有效的深度学习模型，避免大量训练样本的需求。我们半监督学习的初衷是去获得最大可分离的训练和测试的样本集，从而提高图形分割的准确性和精度。,14,速度快：只需微秒即可做出诊断，可对海量图像进行实时处理分析 精度高：达到、甚至超过单一专家的诊断精度 成本低：远低于专业医生的成本 简单易用：其界面和操作医生几分钟即可学会 随时随地：电脑、手机及平板电脑均可操作 高效的云服务：最大限度的减轻了医生的工作量及时间，使得医生可以救治更多的患者 连续无间断：自动化操作、提高工作时效 判断结果稳定：不受情绪或其它因素的干扰,15
9、,DL在医学影像图片分析中的应用还处于早期阶段，虽然近几年市场上涌现出了一批做医学影像分析的类似企业，但因其市场容量巨大，我们将聚焦在恶性肿瘤的细分市场上，作为突破和切入点并迅速占领市场！ 目前美国一些刚起步的类似企业因缺乏大量的病例（数据），故其发展一直处于缓慢的状态中 我们在图片分类及分析上有多年研究基础及经验 我们拥有资深医疗行业的专家和背景，并有获得大量病例（组建大数据库）的资源和能力 我们已完成DL基础模型及第2款产品原型；因其有共用性，建立基础模型后，即可用来做类似产品 我们有保障数据安全的技术例如混合云等（不丢失或泄露隐私）,16,国外竞争对手很难进入中国市场数据壁垒,17,根据
10、美国IBM研究院统计： 美国每年平均拍摄医学影像的数据为8亿人次，总影像数据量达600亿张 单个病例的总影像数据量从几张到几百张，几千张，甚至于可达3万张 中国估算每年有2000亿张以上的医学图像 中国医学影像数据的年增长率约为30%，其市场需求潜力巨大,18,CHINA 2015年的数据显示中国三甲医院数量为705家；中国科室级PACS (Picture Archiving and Communication Systems )多科室或院级PACS系统建设水平已经分别达到了60-70%和50-60%，基本覆盖一线城市的三甲医院,中国PACS市场年均增速在25%以上,我们只需将所有具有PACS
11、标准化的医院和科室用DICOM(Digital Imaging and Communications in Medicine)标准接入我们的系统就可进行实时影像分析,近年来医学影像数据化、普及化、及其高速发展，为我们切入和快速打开市场做好了最佳的铺垫及前提条件,19,影像设备市场，以生产为主，包括零部件厂商、整机厂商、软件，最终服务对象是医生 影像诊疗市场，以服务为主，包括医生、影像中心、影像耗材、远程诊断服务等，在影像设备产出图象的基础上附加医生的劳动成本，最终的服务对象是患者 诊断型影像行业分成了三块：设备厂商、第三方影像中心以及影像数据服务。 我们将以提供人工智能辅助诊断和远程诊断等手段
12、，直接切入市场，大幅提高医生效率，同时与设备厂商及PACS厂商进行深度合作和运作，间接性的切入市场并产生营收。,20,01,02,03,06,05,04,首先在南方医科大学的多家附属医院建立“人工智能医学影像精准辅助诊断云体系”的试点工程,然后由华南地区（珠三角）向全国的医院逐渐覆盖推广和扩张,为每个医院建立起独有的影像精准诊断云服务,我们负责维护云服务，并持续用最新技术提高云平台诊断精确度,按照每台影像机器售价的3%收取年使用费,医生上传图像就可即时获得诊断结果,21,已获取了乳腺钼靶1400个病例，5600张医学影像图片，及 20套3D磁共振影像（19200张MRI影像）用于建立我们的2款
13、AI模型；南方医科大学及其附属医院将为我们持续不断的提供数百万级的巨大(Mega Data)的影像数据（证明了我们具有获取大数据的资源和能力）,现已完成：人工智能引擎+图像分类架构+图像分类训练软硬件+DL模型结构；第一款乳腺钼靶辅助诊断产品原型已完成并已在多家三级医院及PACS公司试用；其Precision 精准率为83%， Recall 为80%左右；第二款AI乳腺MRI原型的精准度达到了91%（证明了我们在技术上开发的实力和能力）,IP：2项专利在申请中（设立高技术门槛及竞争壁垒）,南方医科大学（包括其PACS公司）以及其57家附属医院（10家直属和47家非直属）与我们达成了初步合作的意
14、向并试用我们的产品（证明了我们的市场资源和客户开发能力）,22,已与南方医科大学（包括其PACS公司）以及其57家附属医院（其中10家直属和47家非直属）达成了合作意向。,医院及其PACS公司的客户群共有100家+，将直接使用或将我们的产品植入到其现有的系统中使用并收取费用；日后逐渐推广和扩张。,这些医院将提供数百万-千万张+医学影像图片（大数据）用于建立AI模型。,计划在5年内，将使用我们产品的影像设备数目推广到1万台+,23,24,25,26,27,28,29,30,公司产品定位明确：AI快速处理海量医学影像数据，直击痛点！市场需求巨大 专注恶性肿瘤医学影像分析及辅助诊断的细分市场，避免与
15、AI巨头正面竞争 创业团队由美国硅谷及海外一流名校医学院及AI巨头企业（加大旧金山医学院、IBM）及国家“”入选者等一批高级AI专业博士及医学科学家组成 团队具有成功创业经历和管理经验；拥有完整的技术、管理、及市场营销核心骨干 自主开发出AI特殊深度神经网络结及独特的病变标记技术，具有世界先进性及创新性 拥有医学影像大数据资源和能力（数千万级），与南方医科大及其附属医院紧密合作 拥有潜在市场资源：南方医科大学现有57家附属医院及其PACS公司（合计达100家+） 数名国家级X线、CT、MRI等临床医学影像专家团队加盟 第一款乳腺癌AI钼靶辅助诊断产品原型已完成，正在临床影像专家指导下调试及改进中。6个月内可完成精准化产品并投放市场产生营收。第二款乳腺癌AI MRI产品原型已完成，正在增加数据量及改进中。,31,感谢！ Thank You! Q&A,
