医疗成像是指为医疗和医学研究目的，对人体或其某些部位，以非侵入性方式获取内部组织影像的技术和处理方法。医疗图像属于生物图像，它包括影像诊断学，放射学，内视镜，医疗用热成像技术，医学摄影和显微镜等。另外，包括脑波图和脑磁共振血管造影在内的各种技术，虽然侧重于测量和记录，而不进行影像呈现，但由于其具有定位性，因此可以作为医学影像的另一种形式。

人工智能技术是以医学图像为基础，人工智能技术依靠影像数据在医学领域中的应用，如放射学、病理学、皮肤病学、眼科等深圳市人工智能行业协会。人工智能在医学图像应用场景中主要解决两大类任务：

医疗影像资料收集与分析

其中以计算机视觉问题为主，采用了传统的图像处理技术、机器学习、深度学习等技术方法。医学图像的计算机视觉技术应用主要集中在图像处理领域，它涉及到医学图像分割、图像配准、图像融合、图像压缩、图像重建等各个方面，同时由于其对动态图像的实时性和处理能力的提高，也被应用于各种医学成像设备的成像工艺改进以及辅助医疗设备的定位和导航。在这些方法中，深度学习方法模拟人的神经网络，结合多个非线性处理层对原始数据进行分层抽象，从不同层次的数据中提取抽象特征并用于分类预测深圳市人工智能行业协会。采用非监督或半监督的特征学习方法，代替人工获取特征，提高了特征提取的效率，特别适用于具有大量图像特征的医学影像分析。

医疗影像资料与其它类型资料的融合处理与分析

首要的问题是机器学习。医疗影像能显示病人身体某一部位的结构和代谢情况，并具有大量的数据特征供计算机分析，但若将医疗影像与病人的生理、病史、基因、身份信息等非图像数据相结合，则能使计算机从更高维度上分析数据，提取重要特征，更全面地展示疾病背后隐藏的相关因素，协助医生更精确地分析病情，作出诊断。

（二）人工智能医学图像分类

医学影像人工智能的临床应用主要有三种类型：病灶识别和标注，靶区自动勾画和自适应放疗，影像三维重建。通过对X光、CT、MR等影像进行图像分割、特征提取、定量分析和对比分析，对病灶进行识别和标注，有助于医生识别肉眼难以识别的病灶，减少假阴性诊断的发生率，提高诊断效率。当前系统处理的图像超过10万张，使用只需几秒钟。目标区域自动勾画和适应性放疗主要是对肿瘤放疗环节进行图像处理，帮助放射科医师在CT片上进行自动勾画，极大地缩短勾画时间，在病人多次上机照射时，不断识别病变的位置变化，从而实现自适应放疗。利用灰度统计与特征点相结合的方法进行图像三维重建，解决了断层图像的配准问题，有效节省了配准时间深圳人工智能协会。当前，我国在病灶区域识别和标注方面定位最好的人工智能医学影像公司。

（三）人工智能医疗影像学监管

医疗器械的NMPA审批是人工智能医学图像商业化的首要前提。在2014年NMPA发布《医疗器械创新特别审批程序(试行)》鼓励推动人工智能医疗器械审批进程的同时，我国对人工智能医疗器械的审批创新也开始起步。截至2018年初，NMPA下属的中国食品药品检验研究院以“医疗器械软件注册技术审评指导原则”、“移动医疗器械注册技术审评指导原则”和“医疗器械网络安全注册技术审评指导原则”为建库基准，建立了眼底图像标准数据库6327例，肺部图像标准数据库623例，并在此基础上，建立了一套具有世界先进水平的图像标准数据库。借助于标准数据库和相关的标准流程，中国食品药品检验研究院能够实现人工智能产品的审评和批准。1月29日，NMPA正式向人工智能企业发布了审批相关文件《医疗器械软件审批要点》，该文件以文件形式确定了审批相关的具体指标。人工智能医疗器械创新合作平台于2019年7月17日成立，并成为人工智能医疗器械审评审批的权威机构，保证审评审批的公开性和公正性。

我国新版《医疗器械分类目录》于2018年8月1日正式实施，将医用软件分为二类和三类设置审批通道，目录明确规定：如果诊断软件通过算法，提供诊断建议，仅有辅助诊断功能，不直接给出诊断结论，则相关产品按二类医疗器械管理；如果诊断软件通过算法，自动识别病变部位，并提供明确的诊断提示，则风险等级相对较高深圳人工智能协会，相关产品按三类医疗器械管理。

在我国市场上，大多数人工智能医学影像产品被列为高风险的三类医疗器械(美国FDA将三类医疗影像产品列为二类)，其临床试验要求比二类严格，数据要求的完整性更高，所需临床试验周期更长。

医疗大数据服务、医院网络化平台、人工智能辅助诊断功能指标等人工智能医疗领域应用规范在国内尚属空白。国内亟需建立医疗影像数据脱敏标准，在众多人工智能医疗影像辅助产品参差不齐的情况下，亟需建立和发展系统的测试方法和指标体系，构建人工智能影像辅助诊断软件测试平台，推进人工智能安全认证，评估人工智能产品和系统的关键性能，促进安全有效的市场和产品监管。