复旦大学（xué）附属华山医院感染科（kē）主任（rèn）张文宏教授曾提及，医疗人工智（zhì）能最（zuì）为成熟的（de）智（zhì）能影像识别（CT图像识别（bié））在（zài）防疫中做出了重要贡献。

他认为，AI在医疗（liáo）机构（gòu）的应用（yòng），在（zài）检测（cè）体系的（de）应用，归根结底是线下和线（xiàn）上（shàng）数据融合，并能够（gòu）为（wéi）公共卫生系统提供实时（shí）预警。

受到集中（zhōng）于（yú）2016-2017年人（rén）工（gōng）智能投资热（rè）潮（cháo）的影响（xiǎng）的结（jié）果，至少多达70-80家的企业参与智（zhì）能医学影像（xiàng）研发，但真正能实现技（jì）术（shù）落地的（de）企业却是屈指可数。

此（cǐ）前（qián），GE医疗首款人（rén）工智（zhì）能（néng）CT设（shè）备APEX CT正式推出，配（pèi）合（hé）GE独有的全数控QUANTIXTM高（gāo）能球管，搭载了通过（guò）深度（dù）神（shén）经网络（luò）训练开发出的人工智能（néng）CT图（tú）像处理（lǐ）技术TrueFidelityTM，让每一次扫描都能获得以（yǐ）往（wǎng）CT设备无法比拟的（de）高清（qīng）图像质量（liàng）。

对于医生（shēng）来说，越高像素的成像、还原真实（shí）的（de）效果（guǒ）越好，就（jiù）好比千万像素摄像头（tóu）捕捉到的（de）、还原（yuán）真（zhēn）实的（de）效果，为医生（shēng）提供更有（yǒu）利于（yú）精准诊断的信（xìn）息（xī）。

对患者而言，一个是（shì）辐射更低、更安（ān）全（quán），一个是医（yī）生（shēng）诊断更精准（zhǔn）、减少漏诊的可能性，患者更安心。

相比传统CT图像对腹（fù）部检查一般都（dōu）选择5mm厚层重（chóng）建，TrueFidelity可对任意（yì）体型任意部位（wèi）的检查（chá）进（jìn）行（háng）0.625mm的薄层（céng）图（tú）像重建，真实还原图像的（de）解（jiě）剖（pōu）细节和纹理，提高微小病灶的发现几率，有助于早诊（zhěn）早治，极大（dà）提高医（yī）生的诊断信心。

尤（yóu）其是（shì）对于天然对比度（dù）低的组织结构，比如腹部成像，TrueFidelity的诊断优势尤为明显，并为临床诊断带（dài）来了显著突破。

在四川大学华西医院提供的临床测试中，应用了TrueFidelity的图像下完全达到了常规的诊（zhěn）断（duàn）标准（zhǔn），解决了（le）超低剂量CT扫描导致的噪声（shēng）太大无法（fǎ）诊断的（de）问题，且最低只需10%的（de）辐射剂（jì）量，就得到（dào）了TrueFidelity真理图（tú）像（xiàng）。

北京儿童医院的测试病例也显示，经（jīng）过TrueFidelity，任意扫描（miáo）0.625mm薄层重建，空间分辨率能提高8倍，1.25mm微（wēi）小病灶检出率（lǜ）提升（shēng）50%，最终（zhōng）额外发现（xiàn）了3个之前看（kàn）不到的微小病灶。

10年迭代，AI技术的创（chuàng）新诉求

长久以来，CT射线的潜在风险始终是（shì）医（yī）疗专家和患者最为担忧的，如何平衡图像质量和辐射剂量是CT影像发展永恒的两（liǎng）难。

因为，CT照（zhào）出来的片子并不是直（zhí）接投射出（chū）来的，而（ér）是经过复杂的设备（bèi），从不（bú）同的角（jiǎo）度扫（sǎo）描人体之后（hòu），必须再借（jiè）助（zhù）计算机的处理形成纹理（lǐ），医生才有读懂它的可（kě）能。

其中的关键就是计（jì）算机处理这（zhè）些（xiē）数据的方式——算法。

因此，而重建算法的出现（xiàn）与不断升级，就是为（wéi）了更好地解决这个问（wèn）题。

第一代CT图（tú）像FBP算法的缺陷是，如果射线量（liàng）不足（zú），算法重（chóng）建下的图像质量就会（huì）明（míng）显降低，但射线量过高，对患者的辐（fú）射损伤太大。

第二代CT图像算法可以（yǐ）在（zài）射（shè）线剂量低的条件下，通（tōng）过算法弥补射线信号的不足，但图（tú）像中的高频信息会（huì）被扭曲和丢失，就好像（xiàng）用美颜相机过（guò）度（dù）磨皮，图（tú）像的真实性（xìng）难以判（pàn）断（duàn），给医生（shēng）的精准（zhǔn）诊断（duàn）加大了难度。

迭代算法推（tuī）出10年来，一直在不断（duàn）改进（jìn），但由于其自身的（de）局（jú）限性，医生（shēng）的接受度并不理想，在（zài）实际工（gōng）作中（zhōng）的使用频（pín）次也并不高。

尤其是近年来，越来（lái）越多（duō）的证据表明（míng），迭代算（suàn）法存在的局限性在临床上表现得愈（yù）发（fā）明显。

特别（bié）是低对比（bǐ）度的诊断任务，如肝（gān）转移或胰腺占位（wèi）性（xìng）病变的检出，迭代（dài）算法会导致（zhì）低对比度结构的空间（jiān）分辨率下降，降低病灶的可检测性。

为此，如何实（shí）现低剂（jì）量、低（dī）噪声、自（zì）然（rán）纹理（lǐ）的三者兼得，成为彼（bǐ）时CT重建算法亟待（dài）突破的一大瓶颈。

低剂量（liàng）、低（dī）噪声（shēng）、真实图像纹理三者（zhě）兼得

虽然高端CT设备通过一系列硬件的提升，加之影（yǐng）像重建技术（shù）的优化，不断改善了诊断（duàn）效能（néng），但始终无法突破影像过度平（píng）滑的技术限制。

GE医疗深（shēn）耕CT领域40年，不断积累（lèi）经验的同时进行技术创新，如今更是通过深度神经网络训练开发出了人工智能CT图像处理技（jì）术打（dǎ）破（pò）此前的迭代算法限制（zhì）。

不（bú）同于其他深度学（xué）习（xí）算法以迭代（dài）图像作为训练目标，GE医疗使用（yòng）的（de）是高质量、高剂量的FBP图像来训练深度神经网络，也就是医生（shēng）口中的（de）“ground truth”作为（wéi）训练集，极大保证（zhèng）了最终（zhōng）训练（liàn）结果的准确度，可将低剂量的CT扫描（miáo）数据还原成高质量的（de）FBP图（tú）像。

传（chuán）统基于机器学（xué）习的迭代算法，高度依赖专家（jiā）经验，需要人工设计模型和确定、优化提取特征，对提（tí）取数量（liàng）也有一（yī）定限制，不能超过人脑处理的极限，否则（zé）模型（xíng）的准确性（xìng）也（yě）会达到（dào）瓶颈。

然（rán）而基于深度学习的重建算法，无（wú）需人为操作，自动优化深度神经网络（luò），可（kě）调节（jiē）的（de）参数也是迭代（dài）算法的一万倍，并基（jī）于大量（liàng）极（jí）端和（hé）案件案例作为验证数据集，保证模型的泛化准确性。

且随（suí）着数据量的增加，模型准确性不断提升，重（chóng）建速度可（kě）适（shì）用于常规和急诊需求，不会因去除噪声而导致微小（xiǎo）病灶遗（yí）漏（lòu）。

深度学习重建（jiàn）算法的出现（xiàn），可谓完美地解决了一直困（kùn）扰CT的难题（tí），能够实现低剂量、低噪（zào）声（shēng）和真实图像纹理三者兼得。

通过这种深度神经网络（luò）训（xùn）练（liàn）开发出的人工智能CT图（tú）像（xiàng）处（chù）理技术TrueFidelity，是经FDA批准的业界首个还原（yuán）原始图像的深度学习CT影（yǐng）像（xiàng）重建算法（fǎ）。

一直以来，医学的真谛，就是透过（guò）表象，看（kàn）到真理（lǐ），而人工（gōng）智能等科学技（jì）术手段，正是（shì）撬开（kāi）真理大门的钥匙。

以TrueFidelity为代表的深（shēn）度学习重建（jiàn）算法（fǎ），突破了医学影像始终（zhōng）无（wú）法突围的重建算法门槛，开（kāi）启（qǐ）了CT技术人工智（zhì）能元年，更为人类打开了（le）通往精准医疗的捷径，为（wéi）更智能、更（gèng）精准（zhǔn）的医学（xué）影像（xiàng）诊（zhěn）断开（kāi）创了无（wú）限可能。