原创<br> 《中国医学影像AI白皮书》发布：应用领域广泛，( 二 ) 文/吴施楠编/

通过AI算法的图像重建技术，由低剂量CT、PET图像重建得到相当于高剂量CT的高质量图像，是目前深度学习技术在图像重建领域的重要进展，尤其其速度明显优于传统的全迭代重建方法，因此显示了很好的临床应用前景。

2.X线胸片阅读

通过AI对X线胸片提前进行辅助阅读分析，帮助医师完成多种疾病的医学影像筛查，或是对医师阅片顺序进行智能排序，从而提高医师的阅片效率和诊断精度。

3.眼底检测

AI通过学习眼底图像，实现对一些严重眼科疾病如青光眼、糖尿病性视网膜病变和老年黄斑变性的有效诊断，推动眼底疾病诊断的普及和眼科疾病的治疗。

4.脑区分割

通过AI技术对脑区MR图像进行分割，可以得到比以往算法更精准的脑区分割效果。利用AI技术对大脑中的一百多个脑区结构进行精准分割放到时间轴上进行分析，让医师清楚地看到脑灰质、白质和各种脑核的结构随时间的变化情况。

5.脑疾病诊断

医学影像是诊断脑出血的首要方法，早发现、早诊断、早治疗可以极大程度挽救患者生命，提高生存率。

6.器官分割/靶区勾画

在放射治疗计划系统（treatmentplanningsystem ， TPS）中，病变器官的正确定位与准确勾画是TPS系统运作的基础及关键技术之一，其分割的准确程度直接影响后续放射治疗计划设计的准确度和放疗的效果。同时，器官勾画也是计算机辅助诊断、医学图像三维可视化、图形引导手术、虚拟内窥镜等众多医学图像应用的首要前提和关键步骤。在勾画准确率上，全自动的智能勾画结果和专家勾画的一致性可达97%以上。