场景一：深度学习解决肿瘤扩散评估的应用场景

• 癌细胞检测

• 0
• 0

• 认知系统助力厦门二院医疗影像识别

• 0
• 0

• 业务需求
  • 预测肿瘤扩散情况并标记
  • 支持高分辨率
  • 高于 75% 的准确率
• 挑战
  • 分类 Classification vs 目标检测 Object Detection
  • 选择正确的模型：CNN vs Faster R-CNN vs R-CNN
  • 并行训练来提高性能并保证收敛
• IBM 方案价值
  • 通过深度学习的场景应用，BlueMind 可支持对象检测（object detection）和数据准备（data preparation）
  • 可同时支持改变数据大小和标签坐标
  • 可支持无需改变原始图像情况下展示 训练结果（ground truth）

病理医生需要从大量切片样本中识别微小的癌细胞，费时费力并极易出错。基于认知技术可以自动提供候选目标，帮助医生提高效率避免遗漏。图中绿色方框代表医生标注的癌细胞位置，蓝色方框代表机器标注的疑似位置，表明计算机对癌细胞的检测与人类医生基本一致，可以提供很好的参考。

场景二：通过深度学习应用场景实现医疗影像病症特征的辅助识别

• 癌细胞检测

• 0
• 0

• 认知系统助力厦门二院医疗影像识别

• 0
• 0

• 业务需求
  • 大部分中小医院和社区医院缺乏能判读影像的医生，医生的误诊、漏诊可导致医患关系紧张。
  • 大医院人满为患，读片医生疲于应付，导致误诊、漏诊。
  • 海量的影像数据没有有效的使用方法，成为负资产。
  • 专家长期积累的经验很难大范围的分享和传承。
• 方案价值
  • 利用人工智能，从历史数据中学习和总结，快速判读影像中的病症特征，辅助医生进行病症分析，提高诊治效率和准确性。

下图为示例：该方案可以告诉医生此 X 光片的患者有多大的概率患有“肺部增厚”病症，医生可以据此做出自己的判断，避免漏诊、误诊，提升效率。

场景三：人工智能在客户医疗业务部 + 研究院场景中的应用

• 癌细胞检测

• 0
• 0

• 业务需求
  • 客户规划利用智能心电监控终端技术 iHolter，建设心电监控中心和诊断服务中心，全面完善公司的医疗服务生态圈。目前希望与 IBM 合作实现通过 iHolter 采集的 24小时心跳数据的自动智能识别和问题标记（Normal/Sick），以减少专家成本，提高诊疗效率。客户需要借助 IBM AI 相关的知识与经验，协助进行数据前期准备处理，标签化工作调研，并在整个 AI 项目集群规划，实现，DL 模型规划及调优进行深度合作
• IBM 方案价值
  • 客户对 IBM 在认知领域的经验，以及 lab 在医疗领域的工作和技术能力表示认同
  • 客户认可 IBM 能够提供落地与客户的整体认知方案，包括硬件，软件，服务，及合作开发
  • 利用深度学习，IBM lab 在非图像的 DL 数据处理及建模方面有更多的经验和技术。