图3.2 基于Faster R－CNN深度学习网络的针对乳腺MRI图像自动化诊断系统框架图
3.4 人工智能技术在医学检验中的应用
3.4.1 人工智能在医学影像检验中的应用
常规医学影像数据中，按照成像方式的不同主要可以分为X线、 MRI、超声（超声弹性）、 PET－CT、ECT和其他造影成像等，这些医学影像为很多临床疾病的初筛查或确诊提供了重要依据。对这些医学影像进行解读直接指导医生的判断，因此是当下临床工作的重要组成部分。医学影像的解读与分析主要依赖两方面因素：一是成像设备、造影剂的质量，这方面我国严重依赖进口且大型医院与小医院之间差距甚大。成像获得的图像提供了最初像素灰度数据，是后续图像后处理的基础，成像质量的好坏最直接影响判断效果。二是读片医生的业务素养，主要取决于该医生的从业年资。以肺CT图像中肺结节的良恶性诊断为例，一名从业5年以内的年轻医生，其诊断准确率为80％左右；对于从业10年以上的普通医生，诊断准确率为85％～90％；而一位从业20年的资深医生的诊断准确率则可以达到90％～95％。
