医学图像正在推动人工智能和区块链等技术探索出新的可能

医学图像是医疗诊断过程中极为重要的一部分，它能够有效的辅助医生提高诊断能力，成为病症诊断、监测的重要影像佐证。依靠计算机X线摄影、计算机X线断层扫描、核磁共振、超声、数字减影血管造影等技术，使得医学图像的类型多种多样，产生了如正电子放射断层造影术、乳房摄影术、医学超声波检查、心血管造影和血管造影等具体医疗诊断影像。而在这其中，计算机X线断层扫描（Computed Tomography，以下简称CT）和核磁共振成像（Magnetic Resonance Imaging，以下简称MRI）则是极为重要的存在。

CT和MRI的区别，如果不考虑检查范围、对人体的影响、影像拍摄时间等方面，仅仅从成像方式来说明，CT是X线束对人体横断面的扫描成像，总结来说，CT图像是经过种种处理后的重建图像；MRI是基于核磁共振现象的断层成像的一种，利用核磁共振现象从人体中获得电磁信号并重建出人体信息，两者其实有很大的不同，不能互相替代也并无好赖之分。

发展中的CT与MRI

MATRIX与CT图像

MATRIX AI医疗中的小细胞癌症项目和骨折检测都是以CT原始图像为基础，通过人工智能技术来完成一系列整理、分析、预测等操作。针对这两个项目，MATRIX分别解决了增强CT图像过大而难以分析的问题，研发系统在超大图像（20000*20000）的情况下，能够兼顾全局和微观，实现对于小细胞癌症进行鉴别，计算患癌面积并完成病灶勾勒；对已脱敏的原始CT图像重建获得三维图像，通过高级形态学分辨人体骨骼，有效的提高对骨折类型诊断的准确率。

持续探索中的MRI

微软与凯斯西储大学通过量子计算和增强显示技术直接将图像连接到组织的定量特性，以此来改善核磁共振成像技术；Facebook则在早前与纽约大学医学院合作，期望利用人工智能将核磁共振成像扫描的速度提高10倍。

之所以进行医学图像的升级，不光是因为医学图像在诊断中所具有的重要意义，更重要的是一张医学图像能够在人工智能等技术的支持下，推动医疗领域发展和提升医疗水平。

加拿大科研人员利用核磁共振对脑部进行扫描，通过核磁共振的图像与植物人建立沟通。

美国研究人员在MRI技术的支持下，经过100多小时的扫描，获得了迄今为止最为详细的人脑三维图像，图像的分辨率可以看清直径小于0.1毫米的物体，堪称史无前例。

那么，我们是否可以尝试继续探索这些完成诊断任务之后的医学图像的存在意义。

图像是数据的另一种展现形式，而医学图像本身就是极具价值的高质量数据。人工智能的发展离不开数据的支持。在各种新型技术推动医疗领域不断发展、突破的同时，医学图像也在推动人工智能、区块链等技术探索新的可能。

不管是MATRIX的小细胞癌症项目还是骨折检测，或是在MATRIX 2.0中所提到的人工智能医疗平台都离不开这些高质量的图像数据，这些图像可以有效地训练AI模型，提升医疗诊断系统和人工智能医疗平台的水平，从而能够不断提升诊断的准确度及可诊断疾病的类型。