参考中国报告网发布《2016-2022年中国医学影像设备市场动向调研及十三五发展态势预测报告》
人工智能+医学影像主要分为两部分：一是图像识别，将影像这类非结构化数据进行分析，获取有用信息；二是深度学习，也是核心环节，通过大量的影像数据和诊断数据不断学习训练，促使其掌握“诊断”的能力。
医疗数据中有90%来自于医学影像，这些数据大多需要进行人工分析，但人工分析的缺点和不足非常明显：
1）放射科医师缺口大。我国医学影像数据年增速30%的，放射科医师数量年增长率仅为4.1%，医师数量增长以及工作效率的提高无法应对数据的快速增长，未来放射科医师将面临越来越大的工作压力；
2）凭借经验去判断，不精确，容易误判。据中国医学会的误诊数据资料统计，中国临床医疗每年误诊的人数约为5700万人，总误诊率为27.8%，器官异位误诊率为60%，恶性肿瘤误诊率为40%。
人工智能具备强大的图像识别和深度学习能力，将解决传统医学影像中存在的准确度低和工作量大的问题，极大提升数据分析的精准度的同时减轻医生的压力。
2016年，Google开发了一种能够检测糖尿病视网膜病变和黄斑水肿的算法，该算法可以通过眼部扫描图像判断患者的视网膜是否发生了病变，用以辅助医生做出临床诊断。研究者使用了两个数据集进行验证，与8名眼科医生诊断结果对比，骨骼的人工智能产品得分0.95高于8位眼科专家的中位数0.91。
美国初创公司Arterys与GEHealth合作成功将3D的MRI引入新的时间维度，扩展为4DMRI，不仅可以呈现出心脏结构，还能够显示心脏中血液流速、方向以及流量情况。同时，Arterys推出了基于云计算和深度学习技术的ArterysCardioDL智能系统，成为首个获得美国FDA批准的深度学习应用，该系统主要用于多种心血管疾病，包括先天性心脏病、主动脉或心脏瓣膜疾病的诊断。该智能系统能够自动采集心室的内外轮廓的数据并提供心室功能的准确计算，耗时短精准度高，可在10秒钟内完成一份图像的分析，速度上远超临床医生。诊断结果上，目前该人工智能医学影像分析系统已经完成了上千份心脏案例的数据验证，诊断结果与经验丰富的临床医生诊断结果相近。
国外医疗影像智能发展较早，目前部分公司已经较为成熟，A轮融资企业较多，部分企业获得B轮融资。目前国外人工智能医学影像领域知名的企业有IBMWaston、Enlitic和Arterys等。
人工智能应用于医疗影像已经成为一个热门的创业和投资的方向。自2015年1月以来，24家企业中的19家获得第一轮融资。而在2014年，ButterflyNetworks获得了1亿美元C轮融资，成为人工智能医疗领域最大融资之一。2015年医疗智能领域的巨头IBM斥资10亿美元收购了医学成像及临床系统供应商MergeHealthcare，并将其与旗下WatsonHealth部门合并。我们认为人工智能与医学影像的结合在资本助力的形势下有望快速发展起来，引领新一轮的医疗诊断技术革命。
目前国内人工智能在医学影像的应用绝大多数还集中在单纯的图像识别上，缺乏医学数据的积累和对影像报告的分析，而仅有医众影像等少数企可提供辅助诊断方案。但国内资本市场仍然看好人工智能在医疗影像的长期发展。据火石创造发布的《医学人工智能产业图谱和投资趋势分析》报告显示，国内从事医学人工智能公司有144家，其中医学影像的公司有25家，说明医学影像是医学人工智能最吸引人的分支之一，近年来医学影像人工智能领域共融资11.6亿元人民币，在医学人工智能领域仅次于辅助诊疗和语音交互，列第三位。
此外国内科技公司陆续布局医学影响领域。百度改组医疗事业部，将医疗业务重点布局在人工智能领域；阿里健康及其参股的万里云共同推出针对第三方医学影像平台的医疗AIDoctorYou；科大讯飞的影像系统已在华南医院使用，对临床CT图像的肺结节检测准确率基本达到普通三甲医院影像科医生的平均水平。我们认为人工智能在医疗影像领域的市场巨大，未来行业内的竞争和整合将不断加速，行业内起步早，具备先发优势的企业将率先占领市场。
人工智能+医学影像主要分为两部分：一是图像识别，将影像这类非结构化数据进行分析，获取有用信息；二是深度学习，也是核心环节，通过大量的影像数据和诊断数据不断学习训练，促使其掌握“诊断”的能力。
医疗数据中有90%来自于医学影像，这些数据大多需要进行人工分析，但人工分析的缺点和不足非常明显：
1）放射科医师缺口大。我国医学影像数据年增速30%的，放射科医师数量年增长率仅为4.1%，医师数量增长以及工作效率的提高无法应对数据的快速增长，未来放射科医师将面临越来越大的工作压力；
2）凭借经验去判断，不精确，容易误判。据中国医学会的误诊数据资料统计，中国临床医疗每年误诊的人数约为5700万人，总误诊率为27.8%，器官异位误诊率为60%，恶性肿瘤误诊率为40%。
人工智能具备强大的图像识别和深度学习能力，将解决传统医学影像中存在的准确度低和工作量大的问题，极大提升数据分析的精准度的同时减轻医生的压力。
人工读片和人工智能影像分析对比
资料来源：中国报告网整理
2016年，Google开发了一种能够检测糖尿病视网膜病变和黄斑水肿的算法，该算法可以通过眼部扫描图像判断患者的视网膜是否发生了病变，用以辅助医生做出临床诊断。研究者使用了两个数据集进行验证，与8名眼科医生诊断结果对比，骨骼的人工智能产品得分0.95高于8位眼科专家的中位数0.91。
美国初创公司Arterys与GEHealth合作成功将3D的MRI引入新的时间维度，扩展为4DMRI，不仅可以呈现出心脏结构，还能够显示心脏中血液流速、方向以及流量情况。同时，Arterys推出了基于云计算和深度学习技术的ArterysCardioDL智能系统，成为首个获得美国FDA批准的深度学习应用，该系统主要用于多种心血管疾病，包括先天性心脏病、主动脉或心脏瓣膜疾病的诊断。该智能系统能够自动采集心室的内外轮廓的数据并提供心室功能的准确计算，耗时短精准度高，可在10秒钟内完成一份图像的分析，速度上远超临床医生。诊断结果上，目前该人工智能医学影像分析系统已经完成了上千份心脏案例的数据验证，诊断结果与经验丰富的临床医生诊断结果相近。
糖尿病导致的视网膜病变
资料来源：中国报告网整理
4DflowMRI技术下的心脏血液流动
资料来源：中国报告网整理
国外医疗影像智能发展较早，目前部分公司已经较为成熟，A轮融资企业较多，部分企业获得B轮融资。目前国外人工智能医学影像领域知名的企业有IBMWaston、Enlitic和Arterys等。
国外部分医疗影像人工智能公司
资料来源：中国报告网整理
人工智能应用于医疗影像已经成为一个热门的创业和投资的方向。自2015年1月以来，24家企业中的19家获得第一轮融资。而在2014年，ButterflyNetworks获得了1亿美元C轮融资，成为人工智能医疗领域最大融资之一。2015年医疗智能领域的巨头IBM斥资10亿美元收购了医学成像及临床系统供应商MergeHealthcare，并将其与旗下WatsonHealth部门合并。我们认为人工智能与医学影像的结合在资本助力的形势下有望快速发展起来，引领新一轮的医疗诊断技术革命。
近年来国内医疗影像企业在人工智能领域融资情况
资料来源：中国报告网整理
目前国内人工智能在医学影像的应用绝大多数还集中在单纯的图像识别上，缺乏医学数据的积累和对影像报告的分析，而仅有医众影像等少数企可提供辅助诊断方案。但国内资本市场仍然看好人工智能在医疗影像的长期发展。据火石创造发布的《医学人工智能产业图谱和投资趋势分析》报告显示，国内从事医学人工智能公司有144家，其中医学影像的公司有25家，说明医学影像是医学人工智能最吸引人的分支之一，近年来医学影像人工智能领域共融资11.6亿元人民币，在医学人工智能领域仅次于辅助诊疗和语音交互，列第三位。
近年来国内医疗影像企业在人工智能领域融资情况
资料来源：中国报告网整理
此外国内科技公司陆续布局医学影响领域。百度改组医疗事业部，将医疗业务重点布局在人工智能领域；阿里健康及其参股的万里云共同推出针对第三方医学影像平台的医疗AIDoctorYou；科大讯飞的影像系统已在华南医院使用，对临床CT图像的肺结节检测准确率基本达到普通三甲医院影像科医生的平均水平。我们认为人工智能在医疗影像领域的市场巨大，未来行业内的竞争和整合将不断加速，行业内起步早，具备先发优势的企业将率先占领市场。
资料来源：中国报告网整理，转载请注明出处（ZQ）
更多好文每日分享，欢迎关注公众号
【版权提示】观研报告网倡导尊重与保护知识产权。未经许可，任何人不得复制、转载、或以其他方式使用本网站的内容。如发现本站文章存在版权问题，烦请提供版权疑问、身份证明、版权证明、联系方式等发邮件至kf@chinabaogao.com，我们将及时沟通与处理。
