复（fù）旦大（dà）学附属华山医院感（gǎn）染科主任张文宏（hóng）教授（shòu）曾提（tí）及，医疗人工智能最为成熟的智（zhì）能影（yǐng）像识别（CT图像识别）在防疫（yì）中做（zuò）出（chū）了重要贡献。

他认为，AI在医疗机构（gòu）的应用，在检测（cè）体系的应用，归根（gēn）结底是（shì）线下和线上数据融合，并能够为公共卫生系统提供实时（shí）预警。

受（shòu）到集中于2016-2017年人工智能投资热潮（cháo）的影响的（de）结（jié）果，至少多达70-80家的企业（yè）参与智（zhì）能医学影像（xiàng）研发，但真正能实现（xiàn）技术落地的企业却是屈指可数。

此前，GE医疗（liáo）首款人（rén）工智能（néng）CT设备APEX CT正（zhèng）式推（tuī）出，配合GE独有（yǒu）的（de）全（quán）数控QUANTIXTM高（gāo）能球管，搭载了通过（guò）深（shēn）度（dù）神经（jīng）网络训练开发出的人工智能CT图像处理技术（shù）TrueFidelityTM，让（ràng）每（měi）一（yī）次扫描都（dōu）能获得以往CT设备（bèi）无法比拟的高清图像质量。

对于医（yī）生（shēng）来（lái）说，越高（gāo）像素的（de）成像、还（hái）原真实的效果越好，就好比千万像（xiàng）素摄像（xiàng）头捕捉到的、还原（yuán）真实（shí）的效果，为医（yī）生提（tí）供更有利于精准诊断的信息。

对患者而言，一个（gè）是辐射更（gèng）低、更安全，一（yī）个（gè）是医生（shēng）诊断更精（jīng）准、减（jiǎn）少漏（lòu）诊的（de）可能性，患者更安（ān）心。

相比传统CT图像对腹部检查一般都选（xuǎn）择5mm厚（hòu）层重建，TrueFidelity可对任意体型任意部（bù）位的（de）检查进行（háng）0.625mm的薄层图像（xiàng）重建，真实还原图像的解剖细节和纹理，提高微（wēi）小（xiǎo）病灶的发现几率，有助于（yú）早诊早治，极大（dà）提高医生（shēng）的诊断信心。

尤其是对于（yú）天然（rán）对比度低的（de）组织结构，比如（rú）腹部成像（xiàng），TrueFidelity的诊断优势尤为明显，并（bìng）为临床诊断带（dài）来了（le）显著突（tū）破。

在四川（chuān）大（dà）学华西医院提供的临床测（cè）试中（zhōng），应用了TrueFidelity的图（tú）像下完全达到了常规（guī）的诊断标准，解（jiě）决（jué）了超低剂（jì）量CT扫描导致的噪声太大无法诊断（duàn）的问（wèn）题，且（qiě）最低只需（xū）10%的辐射剂量，就得到了TrueFidelity真理图像。

北京儿（ér）童医（yī）院的测试病例也显示，经过TrueFidelity，任意扫描0.625mm薄层重建，空间（jiān）分辨率能（néng）提高8倍，1.25mm微（wēi）小病灶检出（chū）率提升50%，最终额外（wài）发现了（le）3个之前看不到的微小病灶。

10年迭代，AI技（jì）术的创新诉求

长久以来，CT射线的潜在风险始终是（shì）医疗专家和患（huàn）者（zhě）最为担忧的，如（rú）何平衡图像质量和辐射剂量（liàng）是（shì）CT影（yǐng）像（xiàng）发（fā）展永恒的两难。

因为（wéi），CT照出来（lái）的片子（zǐ）并（bìng）不是直接投射出来（lái）的，而是经（jīng）过复杂的设备，从不同的角度扫描（miáo）人体（tǐ）之（zhī）后，必须（xū）再（zài）借（jiè）助计算机的处理形（xíng）成纹理，医（yī）生才有读懂（dǒng）它的可能。

其中（zhōng）的关（guān）键（jiàn）就是计算机处理这些（xiē）数据的方式——算（suàn）法。

因此，而重建算（suàn）法（fǎ）的出现与不断升级，就是为了更好地解决这个（gè）问题。

第一代CT图像FBP算法的缺陷是，如果射线量不足，算（suàn）法（fǎ）重建下的图像质量就会（huì）明显降低，但射线量过高（gāo），对（duì）患者的辐射损（sǔn）伤太大。

第二代CT图像算法可以在射线剂量低的条件下，通过算法弥补射（shè）线信（xìn）号的（de）不（bú）足，但图像中（zhōng）的高频信息会被扭（niǔ）曲和丢失，就好像（xiàng）用美颜相机过度磨皮，图像的真实性（xìng）难以（yǐ）判断，给医生的精准诊断加大（dà）了难（nán）度。

迭代算（suàn）法（fǎ）推出10年来，一直（zhí）在（zài）不断改进，但由于其自（zì）身的局限性，医生（shēng）的接受度并（bìng）不理想，在实际工作中（zhōng）的（de）使（shǐ）用频次也（yě）并不高。

尤其是近年来，越来越多的证据表明，迭代算法存在（zài）的（de）局限性在临床上表现得愈发（fā）明显。

特别是（shì）低对比度的诊断任务，如肝转移或胰腺占位（wèi）性病变的检（jiǎn）出，迭代算法会导致低对比度结构（gòu）的（de）空（kōng）间分辨率下降，降低（dī）病灶的可检测（cè）性。

为此，如何实现低剂量、低噪声、自（zì）然纹理的三者兼得，成（chéng）为彼时CT重建算法亟待突破的（de）一大（dà）瓶颈。

低剂量、低噪（zào）声（shēng）、真实图像纹理（lǐ）三者兼得

虽然高端（duān）CT设备通过一系列硬件（jiàn）的提升，加之影（yǐng）像重建（jiàn）技术的（de）优化，不断改（gǎi）善了诊断效能，但始终（zhōng）无（wú）法突破影像过度（dù）平滑的技术限（xiàn）制。

GE医疗深耕CT领域40年，不断积累经（jīng）验的（de）同时进行技术创新，如今更（gèng）是通过深度神经网络训练开发出了人工智能CT图像（xiàng）处理技（jì）术打破此前的（de）迭代算法限制。

不同于（yú）其他深度学习算法以迭代图（tú）像（xiàng）作为训练（liàn）目标，GE医疗（liáo）使用的是高质量、高剂量的FBP图（tú）像来训练深（shēn）度神经网络，也就是医生（shēng）口中的“ground truth”作为训练集，极大（dà）保证了最终训练结果的（de）准（zhǔn）确度（dù），可将低剂量（liàng）的CT扫描数（shù）据（jù）还原成高质量的FBP图（tú）像。

传统基于机器学习的迭代算法，高度依赖专家（jiā）经验，需要人工设计模型和（hé）确定、优化提取特征，对提（tí）取数量也有一（yī）定（dìng）限（xiàn）制，不能超过人（rén）脑处（chù）理的（de）极限，否则模型的准确性也（yě）会达到瓶颈。

然而基于深（shēn）度学习的重（chóng）建算法，无需（xū）人为操作，自动优化深度神经网络，可（kě）调节（jiē）的参（cān）数也是迭代（dài）算法的一万倍（bèi），并基（jī）于大（dà）量极（jí）端和（hé）案件案例（lì）作为验证数据集（jí），保证模型的泛化准确性（xìng）。

且随着数据（jù）量的增（zēng）加，模型准确（què）性不（bú）断（duàn）提升，重建速（sù）度可适（shì）用（yòng）于常规（guī）和急（jí）诊需（xū）求，不会因去除噪声而（ér）导致微小病灶遗漏（lòu）。

深度学习重建算法的出（chū）现，可谓完（wán）美地解决了一（yī）直（zhí）困扰（rǎo）CT的难题，能够实现（xiàn）低（dī）剂量、低噪声和真实图像纹理三（sān）者兼（jiān）得。

通过（guò）这种深度神经网络训（xùn）练开发出的人工智能CT图像处理技术TrueFidelity，是（shì）经FDA批准的业界首（shǒu）个还原原始图像的深度学习CT影像重建算法。

一直以（yǐ）来，医学的真谛（dì），就是透过表象，看到真理，而人工智能等（děng）科学技术手段，正是撬开真理大（dà）门（mén）的钥匙。

以TrueFidelity为代表的深度学习重建算法，突破了（le）医学影像始（shǐ）终（zhōng）无（wú）法突围的重建算法门槛，开（kāi）启了CT技术人（rén）工智能元年，更（gèng）为（wéi）人类打开了（le）通往精准医疗的捷径，为（wéi）更智能、更（gèng）精准的医学影（yǐng）像诊断开（kāi）创了（le）无限可能。