人工智能通识教育 课件 模块5 人工智能应用（二）.pptx

人工智能通识教育;;;;

单元1人工智能+医疗诊断

5.1.1何为人工智能+医疗诊断

1．人工智能+医疗诊断简介

“人工智能+医疗诊断”是指利用人工智能（AI）技术来辅助或优化医疗诊断过程的一系列技术和方法。这些技术的目的是提高诊断的准确性、效率以及个性化程度，为患者提供更加精准、快速和有效的医疗服务。;2．人工智能+医疗诊断的发展概况

我国人工智能医疗行业起步较晚，20世纪80年代起才开始人工智能医疗方面的研究。21世纪10年代，随着阿里、腾讯、百度等企业人工智能大数据通用模型技术积累不断完善，医院等卫生机构数字化建设的逐渐深入，人工智能医疗产业发展的轮廓逐渐展现。近年来，国内领先的人工智能医疗企业逐步积累了一定的技术成果，行业融资活动持续保持活跃，人工智能医疗服务越来越普遍地得到应用，人工智能医疗行业进入加速发展时期。

2024年7月，国家卫生健康委员会等13个部门联合制定了《健康中国行动——慢性呼吸系统疾病防治行动实施方案（2024年—2030年）》，方案强调“加强规范化诊疗和健康管理，完善慢性呼吸系统疾病相关诊疗指南、临床路径，探索应用人工智能、大数据等新一代信息技术建立规范化基层诊疗辅助系统”。从国家层面支持人工智能医疗的规范化发展方案，近年来的其他相关政策见表5-1。;表5-1医疗AI行业相关政策;（1）20世纪中期至21世纪初，人工智能在医疗领域发展的早期阶段中，在医疗诊断领域的应用相对有限，主要集中在基础研究和初步探索上。早期的计算机辅助诊断系统主要依赖于预设的规则和算法，这些系统通过预定义的规则和算法来分析医学影像，以提高诊断的准确率。如心电图（ECG）和X光片。然而，这些系统的准确性和可靠性受到了很大的限制，因为它缺乏对环境变化的适应能力，主要依赖于人工定义的规则和符号系统来进行问题求解，无法处理复杂的医学图像和数据。

（2）21世纪初至今，随着深度学习技术的发展和大数据的积累，人工智能在医疗诊断领域的应用进入了一个新的阶段。深度学习是一种模仿人脑神经网络结构和功能的机器学习方法，它能够从大??的数据中自动学习和提取特征。这种技术特别适用于处理复杂的医学图像和数据。

;3．人工智能+医疗诊断的技术现状

在当今时代，智能医疗的蓬勃发展与人工智能技术的不断进步紧密相连。人工智能技术分为计算智能、感知智能和认知智能三大类，它们的发展依赖于强大的算力、先进的算法以及高效的通信技术。

首先，计算智能技术为处理庞大的医疗数据提供了坚实的基础。随着医疗领域数字化进程的加速，我国医疗大数据产业在政府的引导下快速发展，通过市场运作方式为医疗事业注入了新的活力。

其次，感知智能技术在医学影像识别方面取得了显著进展。面对医疗资源短缺的现状，现有的医生数量难以满足患者日益增长的医学影像诊断需求。

最后，认知智能技术在机器学习领域持续探索。由于疾病的诊治和治疗需要考虑复杂的影响因素，是一个动态的决策过程，因此人工智能技术被广泛应用于疾病筛查，帮助医生进行初步诊断。;4．人工智能+医疗诊断的发展趋势

;

5.1.2医疗诊断影像分析

1．人工智能影像分析过程

医学影像AI是指基于计算机视觉技术的神经元数学模型，通过充分挖掘海量多模态医学影像原始像素和有效组学特征，学习和模拟影像医生的诊断思路，进行特征挖掘、重新组合、综合判断的复杂过程。;

5.1.2医疗诊断影像分析

1．人工智能影像分析过程

在医学成像领域，疾病的精确诊断与评估高度依赖于医学图像的采集及其后续的解释分析。传统这一解释工作主要由医生负责，但医生的主观判断、个体间的认知差异以及疲劳程度等因素，往往会影响图像解释的准确性。近年来，随着技术的进步，图像采集设备的性能得到了显著提升，能够以更快的速度和更高的清晰度捕捉数据。然而，图像解释这一环节，直到最近才开始融入计算机技术，以提高诊断的准确性和效率。

1）数据预处理

医疗影像数据通常具有高度的复杂性和多样性，包括不同来源、不同格式以及不同质量的图像。因此，在进行人工智能分析之前，数据预处理是至关重要的一步。数据预处理的主要目的是提高数据质量，使其更适合于后续的算法处理。;

5.1.2医疗诊断影像分析

;2）特征提取

特征提取是医疗影像分析中的核心环节之一。通过提取影像中的关键信息（如形状、纹理、灰度分布等），可以构建出能够表征病变特征的数学模型。在人工智能时代，特征提取的方式发生了深刻变革，由传统的手工设计特征逐渐转向自动学习特征。

（1）手工设计特征：在深度学习兴起之