肺结节智能筛查系统

应用场景

影像科

一、医学影像发展现状

1、医疗资源分布严重不均匀；

2、医生阅片时间长、工作压力大；

3、医学影像医生缺口变大；

4、传统定性分析存在诊断误差。

二、产品的作用和意义

AI 技术可以利用高性能的图像识别和计算能力、自我进化学习能力以及持续稳定工作的机器性能优势，可以复制更先进的医疗技术进而使得更广泛的人民群众能享受到更质优的医疗卫生服务。

肺结节智能辅助筛查系统能切实有效地提升影像科医生的诊断准确性、提高诊断效率、节省诊断时间、提高患者接待能力。可以让放射科医生有更多的时间用于疑难杂症的解决和研讨并通过多学科诊疗模式，提出适合患者的诊疗方案。

三、技术优势特点

1、针对肺炎病灶通过一个矩形框定位，自适应于结节大小， 精度高。

2、利用创新技术以达到假阳性抑制的目的，好处是将假阳性抑制到低水平。

3、每个结果只需要一个模型预测(大、中或者小)，无需多个模型预测及融合，速度快。 

四、工作流程

1、接收医学影像设备的影像数据

2、对接收来的数据进行结构化整理并存

3、运行肺结节标注主程序，计算并生成标记结果

对病灶的密度、体积、大小等形态学特征进行精准描述：

★ 密度判断：系统可以自动判断出结节性质信息（实性，部分实性，磨玻璃， 钙化结节等），并给出实性部分占比数据；

★ 结节位置判断：自动给出结节位置信息，需精确到肺叶及肺段位置；

★ 结节导航条：系统自动将所有检测出的结节在导航条上按层数位置给出结节标记，点击即可快速定位至该结节，便于医生查看关键病灶影像；

★ 大小测量：系统可以自动检测出结节长径和短径、体积等数值。

4、将诊断结果形成结构化影像报告

结构化报告：系统可自动生成结构化影像所见报告，并根据科室需求与RIS 进行接口，提供一年以上存储方案；

报告模板自定义选择：影像所见报告提供多种模板：结节排序、按叶归类、叶内最大、文本报告，便于医生按需选择。

五、技术性能指标

★ 适用范围：≥1mm 的肺结节的辅助筛查并分类显示；

★ 肺结节：实性和亚实性（包括纯磨玻璃和混杂性肺结节）；

★ 权威性理论基础：影像科医生标注的大量胸部CT 数据集；

★ 检出率：＞97%；

★ 准确率：＞95%；

★ 单张CT影像图片检测速度：≤9 毫秒；

★ 单个病人（约200张）检测速度：20~25 秒（服务器高配），35~40 秒（服务器标配）；

★ 评价基准：FROC曲线。

六、系统建设架构

★ 产品组成：服务器+物理接口+软件，可直接链接CT 端与使用端；

★ CT 设备接入数量：＜3 台（服务器标配）；≥3 台（服务器高配）；

★ 使用端可容数量：＜15 个（服务器标配）；≥15 个（服务器高配）； 

★ 友好的人机交互：按照行业内医生习惯设置页面及相关操作按钮；

★ 支持医院PACS/RIS 系统对接，传输 DICOM 图像信息及RIS 跳转整合；

★ 支持与医院其它现有系统（HIS、电子病历系统、LIS 等）的数据集成，提供所需要接口的标准定制服务。