分級場景Ai

醫(yī)學(xué)影像分析場景分類臨床決策支持分診全病種篩查多樣的產(chǎn)品化服務(wù)，為醫(yī)院及患者提供高價值分析服務(wù)，并為互聯(lián)網(wǎng)醫(yī)療提供智能化基礎(chǔ)軟件工具 智能工具 復(fù)雜智能工具 診前獨立醫(yī)療資源 診中獨立醫(yī)療資源傳統(tǒng)CAD深度學(xué)習(xí)CAD體素eVoxelCloud

AutoPlaqu美國版本

FDA

CE

批準(zhǔn)中國

CFDA

申請中VoxelCloudThorax

V2.0中國

CFDA申請中VoxelCloudRetina

V2.0眼底全病種、全病灶報告中國

CFDA

申請中VoxelCloudThoraxCTV3.0即將發(fā)布VoxelCloudDermaXV1.0皮膚全病種診自動分診和初診VoxelCloudKVD小兒視力障礙短視頻自查VoxelCloudRE小兒屈光不正短視頻自查臨床決策支持分診全病種篩查場景分類臨床決策支持分診全病種篩查多樣的產(chǎn)品化服務(wù)，為醫(yī)院及患者提供高價值分析服務(wù)，并為互聯(lián)網(wǎng)醫(yī)療提供智能化基礎(chǔ)軟件工具 智能工具 復(fù)雜智能工具 診前獨立醫(yī)療資源 診中獨立醫(yī)療資源傳統(tǒng)CAD深度學(xué)習(xí)CAD體素eVoxelCloud

AutoPlaqu美國版本

FDA

CE

批準(zhǔn)中國

CFDA

申請中VoxelCloudThorax

V2.0中國

CFDA申請中VoxelCloudDermaXV1.0皮膚全病種診自動分診和初診VoxelCloud

KVD小兒視力障礙短視頻自查VoxelCloudRE小兒屈光不正短視頻自查臨床決策支持分診全病種篩查VoxelCloudRetina

V2.0眼底全病種、全病灶報告中國

CFDA

申請中VoxelCloudThoraxCTV3.0即將發(fā)布胸部

CT

解決方案VoxelCloud

Thorax肺癌第一閱讀者胸部CT全病種第一閱讀者全病種篩查胸部

CT

解決方案

|

病種規(guī)劃全病種篩查Chest

CT胸部

CT

解決方案

|

全病灶類型學(xué)習(xí)策略全病種篩查胸部

CT

解決方案

|

合作醫(yī)院全病種篩查獲得美國最大醫(yī)保、醫(yī)療機構(gòu)垂直系統(tǒng)，美國國立權(quán)威醫(yī)療機構(gòu)VA

認(rèn)可視網(wǎng)膜全病種解決方案全病種篩查VoxelCloud

Retina涵蓋所有眼底照相可見疾病以及所有眼底病灶類型，達(dá)到第一閱讀者能力全病種篩查視網(wǎng)膜全病種解決方案

|

多項技術(shù)測試中表現(xiàn)優(yōu)異25.56/30體素科技第一名15.15/

30Y***第二名13.56/

30Z***第三名世界人工智能大會，

卓醫(yī)挑戰(zhàn)賽12種病灶病種比拼，體素遙遙領(lǐng)先有無糖網(wǎng)敏感度≈97

%有無糖網(wǎng)特異度≈90

%騰訊獨立測試230例4位醫(yī)生熒光造影標(biāo)注結(jié)果視網(wǎng)膜全病種解決方案

|

軟硬件一體機全病種篩查AiAi

系統(tǒng)深度集成，眼底照片可在操作界面一鍵點選上傳，可在

2秒鐘

反饋AI篩查報告。視網(wǎng)膜全病種解決方案

|

軟硬件一體機全病種篩查患者登記基本檢查眼科檢查

+

VoxelCloud

Retina其他檢查確診開方視網(wǎng)膜全病種解決方案

|

美國國立健康部，洛杉磯公立健康部門4

年200萬美金Ai

糖篩項目研究唯一Ai合作方將為700000

洛杉磯居民提供糖網(wǎng)篩查服務(wù)全病種篩查眼科醫(yī)生公立篩查點患者視網(wǎng)膜全病種解決方案

|

中美臨床試驗同步開展全病種篩查場景級別臨床決策支持分診全病種篩查多樣的產(chǎn)品化服務(wù)，為醫(yī)院及患者提供高價值分析服務(wù)，并為互聯(lián)網(wǎng)醫(yī)療提供智能化基礎(chǔ)軟件工具 智能工具 復(fù)雜智能工具 診前獨立醫(yī)療資源 診中獨立醫(yī)療資源傳統(tǒng)CAD深度學(xué)習(xí)CAD體素eVoxelCloud

AutoPlaqu美國版本

FDA

CE

批準(zhǔn)中國

CFDA

申請中VoxelCloudThorax

V2.0中國

CFDA申請中VoxelCloudDermaXV1.0皮膚全病種診自動分診和初診VoxelCloud

KVD小兒視力障礙短視頻自查VoxelCloudRE小兒屈光不正短視頻自查臨床決策支持分診全病種篩查VoxelCloudRetina

V2.0眼底全病種、全病灶報告中國

CFDA

申請中VoxelCloudThoraxCTV3.0即將發(fā)布心臟冠脈造影

CT

解決方案VoxelCloudCedars-Sinai

AutoPlaque心臟冠脈CT分析創(chuàng)新，從無創(chuàng)檢查中預(yù)測有創(chuàng)心臟檢查結(jié)果，全球超過75次單/多中心臨床試驗證實有效性臨床決策支持臨床決策支持心臟冠脈造影

CT

解決方案

+連接醫(yī)學(xué)影像與未來心臟事件國家十三五重點研發(fā)項目預(yù)測未來心臟事件臨床數(shù)據(jù),

5年事件結(jié)局20家中心，5萬人影像心臟冠脈造影

CT

解決方案

|

一次影像排查三種主要胸痛原因臨床決策支持Tajbakhsh,Nima,MichaelB.Gotway,andJianmingLiang."Computer-aidedpulmonaryembolismdetectionusinganovelvessel-alignedmulti-planarimagerepresentationandconvolutionalneuralnetworks."

International

Conference

on

Medical

ImageComputingandComputer-Assisted

Intervention.SpringerInternationalPublishing,

2015.Dey,Damini,etal."Automatedthree-dimensionalquantificationofnoncalcifiedcoronaryplaquefromcoronary

CT

angiography:

Comparison

with

intravascularUS

1."

Radiology

257.2

(2010):

516-522.冠心病主動脈夾層肺動脈栓塞場景分類臨床決策支持分診全病種篩查多樣的產(chǎn)品化服務(wù)，為醫(yī)院及患者提供高價值分析服務(wù)，并為互聯(lián)網(wǎng)醫(yī)療提供智能化基礎(chǔ)軟件工具 智能工具 復(fù)雜智能工具 診前獨立醫(yī)療資源 診中獨立醫(yī)療資源傳統(tǒng)CAD深度學(xué)習(xí)CAD體素eVoxelCloud

AutoPlaqu美國版本

FDA

CE

批準(zhǔn)中國

CFDA

申請中VoxelCloudThorax

V2.0中國

CFDA申請中VoxelCloudDermaXV1.0皮膚全病種診自動分診和初診VoxelCloud

KVD小兒視力障礙短視頻自查VoxelCloudRE小兒屈光不正短視頻自查臨床決策支持分診全病種篩查VoxelCloudRetina

V2.0眼底全病種、全病灶報告中國

CFDA

申請中VoxelCloudThoraxCTV3.0即將發(fā)布分診全病種皮膚

Ai分診全病種皮膚

Ai小兒視力障礙視頻分診分診表征分類(擠眼肉眼，斜視，壓眼等)診斷分類(health,Impairment,

Blindness)體素最新技術(shù)方法論漸進密集V

型深度神經(jīng)網(wǎng)絡(luò)3DProgressiveDenseV-net（3D

PDV-net）2018MICCAIDLMIABest

Paper“體素科技榮獲：“體素最新技術(shù)方法論漸進密集V型深度神經(jīng)網(wǎng)絡(luò)

3D

PDV-net技術(shù)難點：大差異化、邊界不連續(xù)物體檢測和分割醫(yī)學(xué)圖像中，帶病或手術(shù)病人結(jié)構(gòu)差異極大，器官間分界線常不可見，難以分割。不可見分界從屬分界畸形分界行業(yè)現(xiàn)狀：依賴先驗知識輸入，依賴人工干預(yù)，非端到端處理，速度慢依賴先驗知識輸入

[Bragman

et

al.

2017]半自動分割

[Doel

et

al

2012]2D深度學(xué)習(xí)FCN+randomwalker[Georgeetal

2017]技術(shù)貢獻：3D醫(yī)學(xué)影像數(shù)據(jù)分割速度提高120-240倍（4-8min

到

2s），任意器官導(dǎo)航應(yīng)用的通用端到端全自動解決方案體素最新技術(shù)方法論漸進密集V型深度神經(jīng)網(wǎng)絡(luò)

3D

PDV-net"AutomaticSegmentationofPulmonaryLobesUsingaProgressiveDenseImageAnalysisandMultimodalLearningforClinicalDecisionSupport.

SpriV-Network."DeepLearninginMedicalnger,Cham,2018.

282-290.“Classificationoflungnodulemalignancyriskoncomputedtomography

imagesusingconvolutional

neuralnComputerVision(ACCV).

Springer,Cham,

2016.MICCAIDLMIABest

Papernetwork:Acomparison

between

2d

and

3d

strategies.”

Asian

Conference

o

ACCV文章首次對比2D和3D醫(yī)學(xué)影像模型體素最新技術(shù)方法論代理監(jiān)督深度學(xué)習(xí)SurrogateSupervisionforEffectiveDeep

Learning體素最新技術(shù)方法論代理監(jiān)督深度學(xué)習(xí)技術(shù)背景：深度學(xué)習(xí)模型通過ImageNet等預(yù)訓(xùn)練后，進行特定應(yīng)用的遷移學(xué)習(xí)，從而降低對標(biāo)記數(shù)據(jù)的需求技術(shù)難點：3D數(shù)據(jù)沒有類似預(yù)訓(xùn)練庫，遷移學(xué)習(xí)無法完成遠(yuǎn)距離遷移（貓狗圖片到病理圖像）差異明顯數(shù)據(jù)3D數(shù)據(jù)體素最新技術(shù)方法論代理監(jiān)督深度學(xué)習(xí)代監(jiān)督學(xué)習(xí)策略；借助圖像著色、圖像配準(zhǔn)、GAN圖像生成、時間軸分析實現(xiàn)神經(jīng)網(wǎng)絡(luò)權(quán)重初始化；填補預(yù)訓(xùn)練、遷移學(xué)習(xí)不適用之情形醫(yī)療隨訪數(shù)據(jù)圖像配準(zhǔn)代監(jiān)督圖像去色后再著色代監(jiān)督SURROGATESUPERVISIONFOREFFECTIVEDEEPLEARNINGFROMLIMITEDQUANTITIESOFLABELEDMEDICALIMAGETRAININGDATA，ISBI

2019AUNIFIEDFRAMEWORKBASEDONUNSUPERVISEDCONVOLUTIONALNEURALNETWORKSFORHYBRIDAFFINE-DEFORMABLEIMAGEREGISTRATION，ISBI

2019體素最新技術(shù)方法論代理監(jiān)督深度學(xué)習(xí)主要醫(yī)學(xué)影像模型初始化任務(wù)得以解決1.

肺葉分割旋轉(zhuǎn)代監(jiān)督2.

糖網(wǎng)病分級旋轉(zhuǎn)代監(jiān)督3.

皮膚分割著色代監(jiān)督4.

肺結(jié)節(jié)檢測重建代監(jiān)