AI醫(yī)學影像可以分為X光、超聲、CT、MRI以及臨床診斷內鏡等，不同的診斷手段對應著不同的病癥特點和發(fā)病部位，因此對于AI的處理需求上也有所不同。

?1???超聲檢測 超聲檢測主要應用于腹部、甲狀腺、乳腺和心臟等部位的檢測，醫(yī)生通過實時超聲反射成像來觀察病灶。采集和閱片這兩個過程同步進行，需要同一位醫(yī)生在檢測的同時完成，因此對于醫(yī)生的經驗要求和圖像實時性要求較高。超聲檢測并沒有一個完全通用且有效的標準，醫(yī)生的操作習慣和水平，以及患者的身體情況將直接影響圖像的質量。AI在超聲檢測過程中，主要通過三維圖像處理進行輔助診斷。AI+超聲可以輔助醫(yī)生進行圖像分析，獲得診斷結論。而這其中的難點在于既要強調算法的準確度，又要有很好的實時性。

?2???內鏡檢測 內鏡檢測則主要針對消化系統(tǒng)疾病，包括腸息肉等。這類檢測的難點在于，需要對多攝像頭反饋的多通道數(shù)據(jù)進行處理，與此同時傳感器的分辨率提高也帶來了更高數(shù)據(jù)處理帶寬的壓力。對于醫(yī)生而言，早期病癥的甄辨也同樣需要長時間的經驗積累，而AI的能力加持就可以降低對于這種經驗的依賴，進一步幫助低年資內鏡醫(yī)師的培訓。內窺鏡檢測對于AI三維影像處理能力要求極高，需要通過AI上色進行特征標記、控制和閱片，包括內鏡的自主運動治療等。

?3???核磁共振 核磁共振（MRI）主要是針對顱內腫瘤、心血管病和靜脈瘤等，同樣需要AI三維圖像進行輔助診斷。X線和CT主要針對肺結核、肺炎、冠心病等檢測，需要進行AI圖像重建，通過輔助拍片或閱片進行輔助診斷。這三類檢測相比超聲和內窺鏡，對于閱片的實時性要求不高，但對于圖像后處理和AI推理的要求更高。

圖2：AI醫(yī)學影像分類

（圖源：頭豹）

當前我國的AI醫(yī)療器械市場處于高速發(fā)展階段。根據(jù)前瞻產業(yè)研究院的報告，我國AI醫(yī)學影像市場2021年的規(guī)模是8.2億元，預計2027年將達到230億元。另外來自國信證券經濟研究所的報告稱，2030年AI醫(yī)學影像市場規(guī)模將達到423億元，年平均增長率超過60%。IDC中國高級市場分析師林紅也在一份報告中指出：“現(xiàn)階段，醫(yī)學影像AI系統(tǒng)正在從單點應用走向規(guī)模化部署，從價值認可走向價值倍增?！?/p>

AI醫(yī)學影像在應用上已經實現(xiàn)了價值鏈閉環(huán)，接下來將邁向大規(guī)模普及，需要在技術和臨床上實現(xiàn)雙輪驅動。上海交大生物醫(yī)學工程學院教授錢大宏認為，AI輔助診斷的發(fā)展有兩個重要要素，一是臨床驅動，二是核心技術驅動。要將AI輔助診斷切入醫(yī)生的工作流，成為臨床強剛需，這是落地的關鍵。

在核心技術的算法層面，多模態(tài)輸入是當前業(yè)界探索的重點，另外實現(xiàn)無監(jiān)督的人工智能學習也同樣重要。但所謂技術落地的關鍵，不僅指的是AI算法技術，更重要的是軟硬件相結合。對于不同AI輔助診斷醫(yī)療器械而言，需要有與之場景和算法相匹配的芯片平臺，才能真正地將AI的能力放大，實現(xiàn)AI輔助診斷在設備端和臨床上的賦能。

AI醫(yī)學影像的基石——高性能芯片平臺

那么不同的醫(yī)學影像診斷，對于芯片平臺都有何不同的要求？這要結合各自的診斷設備的技術發(fā)展來看。

?1???超聲成像 在超聲醫(yī)學成像方面，通道數(shù)直接關乎成像的高分辨率和深度。但在保證設備便攜與互聯(lián)的前提下，在其中進行多通道的拓展會變得越來越困難。面對超聲設備多通道和小型化發(fā)展的趨勢，需要AI能力來實現(xiàn)更高的實時掃描率。

新一代超聲成像是思考模式的轉變，作為FPGA領域的知名廠商，Xilinx的產品能夠讓超聲檢測從正常順序采集，升級到整個平面的并行采集。Xilinx的Versal AI系列不僅能夠提供一個運行合成孔徑或平面波算法的波束成形器，還能在單個芯片上提供128個工作元件和200行的分辨率。通過Xilinx ACAP平臺，超聲檢測設備從心臟成像到腹部成像，再到任何小部件事物檢測上，都可以獲得每秒幾百幀到幾千幀的掃描速率。此外，Xilinx ZYNQ-Ultrascale+SoC技術還可以在小型化超聲設備中實現(xiàn)多波束成形，在手持設備中整合多達8個并行波束成形器。

圖4：Xilinx Versal AI系列的超聲檢測方案

（圖源：Xilinx）

?2???CT、MRI、PET CT、MRI和PET醫(yī)學成像設備是對同步性要求極高的大型機器，需要在不同的子系統(tǒng)之間保持同樣的高計算能力。Xilinx提供的全新ACAP平臺，能夠提供圖像重建技術所需的卸載/加速能力，可在單個平臺上集成基于機器學習的圖像分析功能，同時進一步提升AI性能。

?3???內鏡應用 在臨床內鏡應用中，追求的是極低延時和極高的分辨率。使用內窺鏡的外科手術需要實時的響應，圖像的捕獲、傳輸、預處理和顯示的時延要求在50~150毫秒之間。系統(tǒng)需要先對各種圖片的顏色及噪聲進行校正，然后再進行邊緣增強和縮放。像雙4K視頻內窺鏡這樣的高分辨率設備，對于圖像信號的預處理要求極高。Xilinx Versal AI Edge系列器件可以在提供高性能預處理的同時，提供所需的低延遲，保持系統(tǒng)具有合適的熱包絡。

圖5：Xilinx的雙4K內窺鏡設計范例

（圖源：Xilinx）

不論是上述何種醫(yī)療影像設備，都包含了端側圖像采集、預處理計算、云端數(shù)據(jù)處理和記錄等多個子系統(tǒng)。AI醫(yī)學影像系統(tǒng)的整體復雜度較高，硬件方案也難以統(tǒng)一，頂層算法開發(fā)和底層硬件實現(xiàn)之間的耦合難度較大。為了解決這一難題，Xilinx不僅提供了諸多AI加速芯片平臺，也聯(lián)合算法API廠商和云服務廠商，提供了集成邊緣至云端的完整AI醫(yī)學影像解決方案，從而助力不同類型的AI影像系統(tǒng)開發(fā)。

快速原型開發(fā)，Xilinx評估套件來助力

如何迎合AI醫(yī)療診斷的發(fā)展需求，快速開發(fā)出真正能夠賦能臨床應用的AI醫(yī)學影像方案？接下來的這兩款評估套件或可助您一臂之力。

第一款是Xilinx Zynq UltraScale+ MPSoC ZCU102評估套件，在貿澤電子上的料號為EK-U1-ZCU102-G-ED。該套件采用了Zynq UltraScale+ MPSoC器件，配有四核ARM Cortex-A53、雙核Cortex-R5和基于Xilinx的16nm FinFET可編程邏輯結構的Mali-400 MP2圖形處理單元。

圖7：Xilinx Zynq UltraScale+ MPSoC ZCU102評估板

（圖源：貿澤電子）

該評估套件上集成了4GB 64位的DDR4 SODIMM和512MB的DDR4組件內存，提供了PCIe、USB3、顯示端口和SATA接口。ZCU102評估套件具有豐富的板載資源和接口，配合Xilnx的Vivado軟件開發(fā)平臺，可以快速幫助開發(fā)者完成基本外設控制，創(chuàng)建邏輯設計，并封裝成IP，直接在板上進行IP仿真驗證，加速客戶的原型開發(fā)。

我們推薦的第二款開發(fā)板是Xilinx Versal AI Core系列VCK190評估套件，在貿澤電子上的產品料號為EK-VCK190-G-ED。VCK190評估套件設計用于需要高吞吐量AI推理和信號處理的設計。該套件的計算能力是服務器級CPU的100倍，提供各種連接選項和標準化開發(fā)流程。對于AI影像計算而言，該套件具有PCIe Gen4接口，支持高計算性能和數(shù)據(jù)搬運，并且配備面向視頻處理應用的HDMI接口，方便直接進行屏幕和傳感器的連接。

圖8：Xilinx Versal AI Core系列VCK190評估套件

（圖源：貿澤電子）

未來：黑科技與白大褂結合

AI驅動下，醫(yī)學影像行業(yè)將會迎來巨變。一項針對2022年國內24個省市的332位影像人進行的問卷調查結果顯示：使用AI產品之后，平均每天能完成50例以上的科室比例，從14.76%上升到了34.04%；70.48%的科室有著AI疾病解決方案的采購需求。2023年或將成為智慧醫(yī)療的爆發(fā)元年。

我們將會看到，隨著醫(yī)保制度的完善和AI影像設備的臨床應用比率提高，AI醫(yī)學影像賽道將會加速進入價值正反饋的周期中，黑科技和白大褂的黑白結合將會為我們帶來更智能高效的醫(yī)療就診體驗。

? 關于貿澤電子

貿澤電子（Mouser Electronics）是一家全球知名的半導體和電子元器件授權代理商，分銷超過1200家品牌制造商的680多萬種產品，為客戶提供一站式采購平臺。我們專注于快速引入新產品和新技術，為設計工程師和采購人員提供潮流選擇。