Fujifilm SonoSite和AI2合作为超声成像添加人工智能

 
由于Fujifilm SonoSite和Allen人工智能研究所开发的AI超声成像系统，在医生办公室多次用针刺戳可能已成为过去。
今天宣布的合作旨在通过AI为超声图像提供更好的解释，为新的超声应用开辟了道路并提高了准确性。
AI2孵化器技术总监Vu Ha表示，最早的应用之一就是识别皮肤下的血管。
“我们在超声图像上训练深度学习模型，其中静脉和动脉已被超声波检查者仔细标记，”Ha在给GeekWire的电子邮件中解释道。 “部署后，这些训练有素的模型将检测血管，并在超声屏幕上实时显示血管。然后，临床医生将使用这些可视化来更有信心地定位静脉，从而最大限度地减少了多次捅患者的需要。“
哈说，可视化动脉会向临床医生展示身体上的斑点，以避免它们粘在皮下​​注射针头时。
寻找静脉注射程序的最佳位置并非易事。
“每年，美国有20%的人口经历了在静脉注射过程中被捅三次或更多次的痛苦经历，因为他们有很难找到静脉，”哈说。 “使用AI辅助静脉检测超声设备，这个问题可能会为数百万患者解决。”
此动画显示人工智能如何帮助突出显示超声图像上的点。左侧视图显示原始图像，右侧视图突出显示该位置。
此次合作展示了太平洋西北地区的联系如何得到回报：日本富士胶片公司的子公司Fujifilm SonoSite总部位于华盛顿州博塞尔，与西雅图的AI2孵化器联系，寻求改进其紧凑型超声成像系统的建议。
“AI2孵化器是寻求创造突破性技术帮助的理想之地，”SonoSite总裁兼首席运营官Rich Fabian在新闻发布会上表示。 “他们拥有难以招募的人才类型，再加上创业公司的渴望。我们期待更多的合作。“
AI2计划将深度学习和计算机视觉应用于更广泛的超声场景。 “计划是将这项技术融入SonoSite的多种产品中，”Ha说。
与X射线成像，CT扫描或PET扫描相比，超声成像显着更便宜且便携，没有与辐射暴露相关的缺点。 “超声波的比较劣势在于其较低的图像质量，我们的目标是通过深度学习来解决，”哈说。
人工智能已经应用于图像解释，用于诊断从疟疾到早期肺癌，乳腺癌和宫颈癌的疾病。 AI2和SonoSite旨在在超声领域取得类似的进步。
“深度学习和医学成像的结合对于检测的未来非常令人兴奋，”Fujifilm SonoSite的高级副总裁兼首席医疗官Diku Mandavia说。 “更早更好地关注和捕捉异常是一项核心任务。”