7月11日，医准智能在世界人工智能云端峰会上正式发布乳腺超声智能检测系统。该系统在不改变现有超声设备和医院工作流程的基础上，利用神经网络架构搜索方法（NAS）对超声信号进行实时智能分析，实现实时病灶检出，对病灶进行自动分割及良恶性分析。这是国内首个针对超声设备的AI检测系统，将乳腺智能检测推进到视频实时的AI3.0时代。

世界人工智能云端峰会发布现场

从钼靶到超声 乳腺智能检测跨入AI新时代

乳腺癌是30-59岁女性中最常见的恶性肿瘤，并且是导致45岁以下女性死亡的最主要原因之一，发病率占所有女性癌症发病率的15%。在我国，乳腺癌的挑战尤其突出，我国是发病率增长速度最快的国家之一，并且以每年2%的速度递增。

早期筛查是提高乳腺癌治愈率的最重要手段，但是一方面是我国启动乳腺癌早防早治筛查项目相对较晚，另一方面，是中西方女性具有生理差别，仅仅依靠钼靶筛查，可能会有漏诊的风险。所以， 2018年在首部《中国乳腺癌筛查与早诊早治指南》中强调了中国乳腺癌筛查，要重视超声结合钼靶。

“这也是我们在研发推广乳腺钼靶智能检测系统以后，投入研发力量重点针对超声智能检测进行研发的重要原因。” 医准智能创始人兼CEO吕晨翀说。乳腺钼靶检测是欧美国家的金标准，普及人群非常广泛。但是因为钼靶AI技术研发难度大，且国际上没有公开算法、论文和数据，所以在医准智能技术团队突破技术难题，发布国内首个商业化的乳腺智能检测系统以后，受到了市场的热烈欢迎，“现在，乳腺钼靶智能检测系统已经帮助医生在国内数百家知名医院及各级卫生机构开展乳腺癌精准筛查工作，受到广泛好评。”

但是，从钼靶到超声的人工智能检测，却面临AI技术领域的重大难题，因为钼靶检测系统属于AI1.0时代技术，但超声检测系统属于AI3.0时代技术，两个产品跨越了AI技术发展的两个时代。具体而言，钼靶检测系统的核心技术是基于2D影像，这项技术发展时间较长，而超声检测系统的核心技术是基于视频实时，技术沉淀较少。在医疗的困难更为实际，由于超声没有规范化的图像采集、图像质量控制、传输标准，加之医生实时看图出报告的工作流问题，使得现有研究绝大多都停留在对二维静态图像的处理，无法进行实时辅助诊断，不能有效的帮助医生提高诊断效率，实现医疗资源的优化配置。

如何将AI1.0时代的技术优势延续到3.0时代呢？医准智能作为医学影像人工智能领域最早的探路者，拥有底蕴深厚的研发力量，终于在历时一年多的探索、创新与突破之后，取得了良好的成果，在技术突破和产品应用上取得巨大进展。“与乳腺钼靶的研发过程类似，这个系统的核心算法并不是在现有的模型上进行迁移学习或调参等常规方法来训练学习，而是针对此问题创造性的建立了新的模型。” 吕晨翀说。

医准智能乳腺超声 毫秒级精准抓取

医准智能乳腺超声智能检测系统不需要对设备改动，且不需要调整现有工作流程，在医生扫查病人的同时，AI服务器进行实时分析，并在界面进行标记提示，对于仅毫秒级闪现的病灶也能精准抓取，能够有效的避免医生由于视觉疲劳以及视觉敏感度不够而产生的漏诊。

医准智能乳腺超声智能检测系统界面

具体功能实现：

1.病灶检出；

2.病灶自动分割并抓取最大截面图像；

3.病灶良恶性分析；

4.病灶BI-RADS分类；

5.病灶详细属性分析（形状、方向、边缘等）；

6.图文报告自动生成；

7.报告保存、打印。

作为应用于临床的系统，医准智能乳腺超声智能检测系统还具有如下五大亮点：

1.计算速度快，低延时；

系统采用神经网络架构搜索方法（NAS），使用RTX2080Ti。达到每秒处理速度＞  50帧，且检测结果延迟＜0.09 秒，对于仅毫秒级闪现的病灶也能精准抓取。

2.病灶识别检出率高；

通过卷积神经网络特征融合模拟恢复3D，从而得出病灶性质良恶性判断。

3.假阳性（误报）低；

系统通过在所有影像中筛选有意义帧进行判断，从而有效降低假阳性率。

4.智能分割 自动测量；

相对于仅仅利用病灶的某个截面特征进行属性分析，该系统还可以对包含病灶所有信息的整段视频进行分析，充分利用病灶的各个截面信息，对病灶整体进行更加充分的属性分析，同时给出病灶最大截面以及长短径、面积等定量信息。

5.结构化报告生成。

一键获取，加快影像报告诊断效率；智能化超声所见及诊断，协助临床获取疾病详细文本数。

“乳腺超声智能检测系统的发布，既是对我们AI技术能力的一次全面检阅，从AI1.0时代到AI3.0时代，我们这支技术队伍一直保持了业界一流的研发水平。” 吕晨翀说，“同时，也是对我们医疗行业持续服务能力的验证。乳腺钼靶系统已经帮助医生在国内100余家知名医院及各级卫生机构开展乳腺癌精准筛查工作。我们相信，乳腺超声的加入，将能服务更多的医生和患者，如《中国乳腺癌筛查与早诊早治指南》所指，超声结合钼靶的方式，我们有期望实现乳腺癌早筛的更广泛覆盖，进一步提高乳腺癌治愈率。”