首页 > 技术 > 软件技术 > 正文

FPGA+深度学习技术助力智慧医疗

专访程国华 杭州健培科技有限公司CEO
2016-06-16 09:10:10作者:黄文凤来源:智能电子集成

[摘要] 医疗信息化就等于真正的智慧医疗吗?或者说只是智慧医疗的基础?本文主要论述了FPGA+深度学习技术如何助力智慧医疗落地。

  在医改大政策风向标的背后,是资本逐鹿试水,商业试错。互联网+医疗成为构建新时代下智慧医疗的生态圈。但是,医疗信息化就等于真正的智慧医疗吗?或者说只是智慧医疗的基础?若论更加务实的智慧医疗则是在信息化基础上的帮助诊疗,本文主要论述了FPGA+深度学习技术如何助力智慧医疗落地。

FPGA+深度学习技术助力智慧医疗

  医疗信息化≠真正智慧医疗

  “十三五”强调要促进健康中国的建设,其中智慧医疗被提上日程,智慧医疗成为深化医改、推进健康中国建设的重要技术手段。智慧医疗在百度的解释是通过打造健康档案区域医疗信息平台,利用最先进的物联网技术,实现患者与医务人员、医疗机构、医疗设备之间的互动,逐步达到信息化。作为建设智慧城市的一部分,智慧医疗对缓解看病难这一社会问题具有积极的推动作用,但是,如果把智慧医疗仅仅定义为医疗信息化,未免有些狭隘。

  不可置否,目前医疗产业面临的大医院人满为患,社区医院无人问津,病人就诊手续繁琐、看病难等等问题,都是由于医疗信息不畅,医疗资源两极化等原因导致的。近年来,医疗改革在医疗信息化的浪潮中取得了巨大成就,可以使患者用较短的等疗时间、支付基本的医疗费用,就可以享受安全、便利、优质的诊疗服务。比如目前部分医院支持在线预约专家、微信挂号及在线支付等功能,以及未来电子病历及健康档案的落地,确实在一定程度上减少了病人的等诊时间及看病成本,但这并不是智慧医疗的全部。

  对于帮助诊疗方面,目前国内仅局限于不到10%的文字和数据类的结构化数据利用,对于大量的非结构化医学影像数据缺乏认知分析。由海归博士团队联手成立的杭州健培科技有限公司,从2014年开始与国内外著名的研究机构和高等院校展开合作,致力于医学影像大数据分析技术(MIBA)的研发及应用,并通过深度学习技术,建立人工智能诊断系统,帮助医生诊断各种疾病,推动我国医疗创新领域理念从“方便诊疗”走向“帮助诊疗”,以此改变我国医疗卫生资源分配不平衡、看病难、看病贵等问题。这也是智慧医疗的关键重要组成部分。

  杭州健培科技有限公司CEO程国华表示,目前国内智慧医疗看到的只是医疗信息化这一基础层面。针对一个医院的信息化,软件工程师基本可以全部搞定,但是真正做到智慧医疗,仅仅做医疗信息化是远远不够的,智慧医疗最重要的是洞察大量非结构化大数据背后的价值,以帮助医生在最短的时间内做出最精确的诊断。

  深度学习与医学影像诊断

  当下互联网+推动了医疗行业大数据爆炸,据权威调查数据显示,医疗行业非结构化数据占整个数据量的90%左右,医疗行业的非结构化数据主要包括医疗PACS系统产生的医学影像,比如DR,CR,MRI等,如果能够深挖这些海量影像数据背后的价值,将对精准医疗研究、个体化治疗、疾病治疗与疗效评价、重大疾病的风险评估等具有重要的意义。目前,通过深度学习技术,可以解读医疗影像数据,这在国外已经有不少落地性案例,比如,伦敦帝国理工大学今年就宣布运用深度学习技术为基础的脑部影像图像分析工具,以协助医生诊断大脑出现的损伤情况。但国内在医学图像分析领域的应用案例还是一片空白。

  对此,健培科技在国内率先利用自主研发的“两朵云”产品进入医疗影像分析领域,即HealthView驻地云和HealthView诊断云。HealthView驻地云能有效的对医院的非结构化数据存储系统整合和优化配置,进而为诊断云提供了数据仓库。而诊断云侧重于非结构化数据的分析和挖掘,将影像数据的重要临床实用价值发挥出来。比如长久困扰放.

  射科的肺癌早期和乳腺癌早期筛查误诊率居高不下的问题,通过计算机智能诊断的精确性,能够极大的降低人为阅片的误诊率,通过计算机的高性能和不间断运行,也能有效减轻放射科医生的工作负荷,从而改善整个放射科的工作效率和质量,最终提升患者就医体验。

  从技术创新角度而言,程国华说,“传统的基于Hadoop的大数据处理平台,有很多弊端,而且性价比也不高。随着医院云平台需求的深入,原来的架构已不能承载。目前Spark架构是最先进的,虽然Spark概念已提出几年,但是在医疗行业的应用还是全新的。对于医疗影像大数据应用来讲,它不仅能将性能提升至几十倍甚至上百倍,同时可以降低存储需求。”基于Spark架构驻地云可以帮助医院进行存储、分享及传输医疗影像数据,还可以即时的交互,在此基础上嫁接诊断云,整个医院将变成智能化。

  HealthView诊断云在驻地云的基础上,结合最新人工智能算法,实现海量相似病例检索和医学影像智能诊断,极大地帮助医生进行定位病症、分析病情和指导手术,属于“临床决策系统”的一部分,也是医学科技发展的前沿方向。利用深度学习技术结合云计算平台对医学影像做分析,可以大大提高医生的诊断率。据了解,放射科医生诊断效率可以从原先的半小时一个病人到1分钟一个病人,精准度从70%到85%到90%的一个逐一变化来提高整个医院的诊断效率与准确度。这种帮助诊疗在一定程度上大大缩短了病人的等疗时间,而且可以得到最精确的诊断。因此,帮助诊疗是智慧医疗很重要的一部分。

  目前健培科技联合建立的研发实验室,首先是通过对肺部影像的分析来诊断各种疾病,程国华表示,医生根据传统的医疗影像,虽然可以判定疾病类型,但是由于肺部形状不规则,发病部位往往十分复杂,因此对诊治造成困难,难以量化分析,而且医生也难提供个性化治疗方案。但是基于深度学习的人工智能诊断,可以快速给出诊断意见,并且诊断率达78%,远远高于目前的临床诊断准确率。程国华强调,未来健培科技将会陆续对几十种疾病进行实验分析。

0
[责任编辑:黄文凤]

作者:黄文凤文章数:153
a&s传媒INTEGRATOR执行副主编,主要专注于消费电子、工业电子、医疗电子、电源/新能源和物联网 、人工智能、大数据、云计算等前沿技术资讯,及这些技术在智慧城市垂直行业的创新应用。

《安防知识网》一个服务号 二个订阅号 微信服务全面升级

不得转载声明: 凡文章来源标明“安防知识网”的文章著作权均为本站所有,禁止转载,除非取得了著作权人的书面同意且注明出处。违者本网保留追究相关法律责任的权利。

方案案例调研报告

注册会员免费申请杂志
及下载本站所有案例调研报告

立即免费注册