睿影AI医学辅助诊断/评估系统
覆盖DR、CT等多模态影像数据,支持多场景应用
重建、阅片、诊断、报告、胶片打印与随访的一站式流程整合
多模态影像处理能力,全面覆盖出血性和缺血性两大脑卒中场景
出血性脑卒中定性分析、定量计算,血管重建及动脉瘤检测
缺血性脑卒中快速检测、脑血管形态学评估、斑块分析及脑灌注指标量化评估
涵盖CTA、MR多模态影像分析能力处理
冠脉形态学与功能学、心功能、钙化积分、斑块和冠周组织全面分析
腹部多器官多征象自动检出
全方位3D可视化,切合临床场景需求
脊柱生理曲度定量测量及间盘膨出、突出等常见征象的自动检出
三纵列布局,多窗对比联动,助力医生高效阅片
AI模型针对中国女性影像特点进行训练,更适合中国女性乳腺健康评估
乳腺异常征象的自动检出和分析,提供BI-RADS分类和结构化报告输出
超高精度应用,多中心多样本训练集,地域普适性强
为骨龄评价、生长发育评估和早期筛查发育性髋关节发育不良(DDH)提供可靠参考
手、腕、肘、肩、髋、膝、踝、足及椎体等多部位的骨折病灶检出和分类
高敏感性和特异性,有效提高隐匿性骨折、多发骨折、小关节骨折等病例的应对效率
收集招标参数如下:
技术标准和服务要求
根据文献资料,全球每年新发癌症病例1400多万,我国每年新发病例约430万,相当于每天都有1万多人确诊癌症,肺癌是位居我国发病率和死亡率首位的恶性肿瘤,其发病率和死亡率占总癌症发病人口的11.6%和18.4%(全球)、20%和27.3%(中国)。作为肺癌重要的临床指症,肺结节,诊断的早晚和定性对肺癌患者的五年生存率有着直接的关系,早期>90%,晚期≤15%,肺癌病灶直径每增加1cm,生存率下降5%-10%,早筛的需求越来越迫切。肺炎CT影像早期病变不典型,病灶多为局限性,呈斑片状散在分布,病变呈磨玻璃渗出或实变,主要分布在胸膜下。由于征象特点不典型,分布隐匿、病灶体积微小,易遗漏。目前对于肺结节和肺炎的诊断主要依靠医生的经验和主观判断,缺少科学规范的量化工具。
随着检查仪器的进步与癌症早期筛查政策的普及,我国肺结节检查需求量不断上升,特别是肺结节体检筛查,体检人群多,影像科的人员配置无法跟上急速增长的患者需求;医院放射设备的装机量显著提升,CT薄层图片海量增加,影像医生阅片任务愈加繁重,高强度长时间状态下工作易产生疲劳,导致准确率下降,出现漏诊与误诊。肺炎具有发病率高、种类繁多、定性鉴别诊断困难等特点。如何通过技术手段解决影像检查速度与准确率之间的矛盾,解决影像医生增长量与数据增长率之间的矛盾,是目前医院面临的重要问题。
以大数据、人工智能、生物科技为标志的新技术革命正在引发一场全新的医学模式变革。影像医学与人工智能的结合已经成为一种世界性的必然趋势。目前,全国已经有超千家医院影像科引进AI辅助诊断系统,该系统不仅能提高医生工作效率、提升诊断准确率。同时,也为医院科研带来许多新方法、新方向,提升科室乃至医院学术地位,促进医院间的临床和科研合作。
一、建设内容
以AI医学辅助诊断系统为基础,对胸部CT影像进行AI智能辅诊,实现异常征象的精准检出、定量测量、定性分析和智能随访,完成报告生成与胶片打印,辅助医生进行疾病诊断、了解疾病预后与手术工作等。
(一)肺结节AI医学辅助诊断系统
能够实现对各型肺结节检出,并保持很高的敏感性和特异性。支持自动对病灶进行密度分类,测量病灶参数,为医生提供便捷。还可进行结节特征分析,生成结节密度分布图和结节影像组学等相关信息,自动完成肺结节靶重建。能将智能阅片与诊断紧密结合,自动生成结构化图文报告,减少医生负担并提高工作效率,助力科研。
(二)肺炎AI医学辅助诊断系统
对不同类型肺炎的各种征象能够进行快速检测,针对局限性或多发,胸膜下及双肺野中外带,斑片影、磨玻璃影、网格影、条索影等征象具有很高的检出率。对早期、进展期和重症期的病灶进行检出和分析,对实变影和磨玻璃影进行定量分析,辅助医生判断肺炎分期及轻重程度,并进行可疑肺炎疾病预警提示,最终为医生提供结构化图文报告。
二、功能要求
(一)影像稳定可视化
1、系统可适配主流国产、进口CT品牌影像。
2、系统可自动识别并处理侧卧位、俯卧位等特殊拍摄体位影像。
3、系统可自动识别并预处理分析缺层影像数据。
4、支持影像三维后处理重建。
5、结节类型识别准确、炎症区域智能分析,结果可视化。
(二)诊断自动预警提示
1、病灶数量及分布自动预警提示。
2、病灶类型自动预警提示。
3、病灶良恶性自动预警提示。
(三)一次扫描,多种异常检出
1、实现多病种检测:肺结节/肿块、肺气肿/肺大疱、胸腔积液、纵膈占位。
2、实现多征象检测:胸膜增厚、支气管结节、支气管粘液栓、索条、树芽影、斑片影。
(四)支持全周期随访
1、支持患者历次随访影像自动关联建档并进行AI随访分析。
2、支持多次随访检查的同时对比观察及AI辅助分析判断。
3、支持患者从筛查至术前、术后的全周期流程随访管理。
(五)与PACS实现无缝对接
1、支持从设备中直接获取数据(DICOM格式)。
2、支持从医院PACS中获取影像信息。
3、本地存储容量≥1年。
4、客户端软件安装数量不受限。
5、三维重建终端不受限。
三、预期效益
(一)提高诊疗能力
由AI进行先期检查,为医生阅片提供辅助和参考,然后再由医生在AI检查基础上进行审核,自动出具结构化报告,这种人机双重诊断、双重保障的诊断流程,不但可提高诊断效率和准确率,减少漏诊误诊,而且也可较好地解决图片海量增长与人手不足之间的矛盾,提高科室乃至医院的整体诊疗能力。
(二)节省资源成本
诊断效率的提升可节省人力资源的开支,促进检查量和医院收入的增加。AI辅诊系统准确性的提高可以及时发现患者的早期病灶,使患者得到及时的治疗,防止病情恶化,降低患者的治疗成本。
(三)助力学术研究
人工智能的出现和深度学习技术的发展为计算机对大量影像数据的挖掘成为可能。围绕医学影像学、人工智能开展的多学科研究以及影像组学等新学科的出现让影像医学有了更多的科研新方向和临床价值,通过进行大量影像组学、大数据等方向的学术研究,提升学术水平。
(四)提升教培质量
AI系统可以快速准确的对病例中的病灶进行检出,可以自动对解剖结构进行识别、标记生成各类后处理图像,并且由AI自动标记出病灶轮廓、生成病灶的标准化描述信息,方便学生和初级医生用不同病例进行实战练习和报告书写。系统提供的相似病灶分析功能方便学生用于对现有病灶和已知病理结果的病灶进行对比学习。系统提供的病例收藏功能方便授课医生在日常工作中实时搜集典型病例用于之后的教学和讨论。
微信扫描下方的二维码阅读更多精彩内容