在医疗影像AI应用上，英特尔要让数万开发者和亿万大众受益

正文

请到「今天看啥」查看全文

之所以选择肺结节筛查作为“考题”，是因为我国肺癌疾病形势愈加严峻。全国肿瘤登记中心早在2013年发布的《2012年中国肿瘤登记年报》就显示：截止当时，近30年肺癌的死亡率上升了465%，取代肝癌成为中国首位恶性肿瘤死亡原因。

而且国内有从肝癌识别的业内人士也曾指出，通过对比中、美、英三国的肺癌发生率和死亡率，数据显示国内肺癌发生率低于英、美，但死亡率却已超过英、美。这其中的重要原因是，当患者诊断出自身有肺癌后，70%已到中晚期，错过了最佳诊断和治疗时间。

因此肺癌早筛在国内是一件刻不容缓、急需解决的任务。

早筛是减少肺癌死亡率的重要手段，而癌症早期多表现为肺部结节。这些肺部结节的尺寸非常小、对比度低、抑制化高。

过去的筛查工作均由影像科医生完成，由于每个病人肺部CT的扫描图片数目超过200层，平均诊断时间在20分钟以上，当医生遇到大量病人时，极其耗时、耗力，而且容易漏诊。

与此同时，微小肺部结节在影像学的表现易与其他组织或部位产生混淆，如毛细血管、结核、假瘤等，从而打扰到医生的判断。

基于这一痛点，影像科急需新的技术来辅助医生提升诊断效率，这时候人工智能从众多技术中脱颖。它能从海量医学影像数据中学习和模仿医生的诊断“经验”，在短时间内快速提升诊断能力，辅助医生减少误诊。

二、行业此前面临的软硬件局限与解决方法

虽然人工智能更新迭代迅速，但医学影像分析作为一个庞大的工程问题，很多工作都得一步步进行，尤其像医疗这种数据形态和特征较为复杂的行业，它在人工智能铺助诊断上面临的难题，也是一个接一个，且彼此之间密切相关：

• 首先，GPU难担重负，至强融核却有独到优势

经调查发现，相比而言医学影像分析更需要3D神经网络架构的支撑，后者与行业内常见的2D图像深度神经网络有着很大不同。

记者了解到，天池大赛参赛队伍大多采用3D影像数据方案，其模型本身并不大，但每次输入的数据却超过常用显卡的显存容量。医疗行业内除了3D数据外，还有附带时序的核磁共振4D数据，它们更加依赖内存，这时GPU在处理3D和4D影像数据时往往面临吃不消的问题。

请到「今天看啥」查看全文