该博客主要更新一些布局医学影像的人工智能公司，为自己积累一些了解，为自己日后找工作提供一些方向和参考。
1.腾讯觅影 腾讯觅影
腾讯觅影是腾讯首款人工智能技术运用到医学领域的产品，它由腾讯互联网+合作事业部牵头，聚合了腾讯公司内部包括AI,LAB,优图实验室，架构平台等多个顶尖人工智能团队的能力，把图像识别，大数据处理，深度学习等领先技术与医学跨界融合研发而成。主要致力于将AI运用到医学相关的不同领域。目前研究方向主要有腾讯觅影AI影像和AI辅诊。
主要产品
1.食管癌早期筛查
纤维内窥镜检查，已成为检查上消化道疾病（食管癌、胃癌等）常规的临床诊断、术后随访、疗效观察的可靠方法。腾讯觅影通过分析和识别内窥镜拍摄的摄像，辅助医生判断食管病变位置。运用了先进的图像技术处理医学影像，提升识别率，同时通过机器学习不断提升早筛准确率。目前腾讯觅影对早期食管癌的识别准率已经达到了90%。
2.早期肺癌筛查
肺部CT检查是目前判断肺部结节最普遍的方法之一，但肺部筛查出结节数量大，小结节性质判读困难，专家资源稀缺也使很多患者不能得到早期诊断治疗。腾讯觅影对肺部CT图像处理预处理模块优势：肺部的三维分割和重建算法，可以处理不同CT成像设备在不同成像参数条件下产生不同源数据。腾讯觅影对肺部CT图像处理识别模块优势：该分辨率多任务3D卷积神经网络算法可以实现早期肺结节检测。
3.糖尿病性视网膜病变筛查
腾讯觅影对数十万张糖网分期数据进行学习分析，将糖尿病性视网膜病变的预测分为5个等级（国际标准）。通过有病和没病，增殖性和非增殖性简化为二个二分类问题。
4.乳腺癌早期筛查
乳腺钼靶，全称乳腺钼靶X线摄影检查，是目前诊断乳腺疾病简便、可靠的无创性检测手段，具有痛苦小、简便易行和重复性高等优点。钼靶检查归根结底是对钼靶图像的识别问题，当前业内主要依赖医生进行判读，由于个人经验差异往往导致诊断结论的不一致性，即使对于同一位医生，一定的人为失误率也是无法避免的。不仅如此，对于中国女性来说，乳房相对偏小，腺体组织比较多，也进一步提升了目视解读的难度。
腾讯觅影利用深度学习技术分析病人的钼靶图片，帮助医生实现两大功能：
1).找到疑似病灶（包含肿块灶和钙化灶）的位置。
2).分析病人患有恶性肿瘤的风险
5.宫颈癌早期筛查
该系统对近万张内窥镜分型数据进行学习，辅助医生快速辨别宫颈癌的宫颈位置，从而制定对应的治疗方案。
6.乳腺癌淋巴切片病理识别
对数百万张乳腺癌淋巴切片病理图像数据进行学习，用于辅助诊断乳腺癌淋巴切片病理图像。
2. 推想科技 inferVISION
影像科医生的第二双眼睛 WIth A.I., We Improve Human Life
北京推想科技有限公司，是一家人工智能高科技公司，致力于应用深度学习技术为医疗影像辅助筛查提供快捷、准确的解决方案，能够有效利用各类医疗数据创造出具有临床价值的产品，力求突破医疗影像辅助筛查现有技术水平，全面推动医疗领域精准化发展。推想科技由陈宽创始，陈宽就读于美国芝加哥大学，先后师从Gary Becker、Robert Fogel、James Heckman、Lars Hansen四位诺贝尔奖得主，攻读金融学预测模型与智能化建模专业并荣获经济学与金融学双博士学位。2017年全球独家首创“推想科技——人工智能精准医疗平台”。2016获得天使融资，2017一月和九月获得5000万和1.2亿A，B轮融资。
主要产品
1.智能CT辅助筛查产品(AI-CT)
推想科技智能CT辅助筛查产品在早期肺癌筛查应用中，以其高性能的并行运算能力，有效挖掘肺癌的核心特征点，高效判断不同序列影像是否存在疑似癌症的特征，实现肺癌早诊、早治的技术性突破。通过与医生的对比，推想科技智能CT辅助筛查产品不仅能够大大提升肺癌筛查的效率，同时人工智能对半实性与磨玻璃结节等早期肺癌征兆展现出了优越的敏感性，能够帮助放射科医生提升诊断的准确率。
2.智能X线辅助筛查产品(AI-DR）
推想科技智能X线辅助筛查产品能够对心胸部位的20多种不同病灶进行判断，既可以帮助体检医生迅速筛检出存在病灶 的影像，又可以在门诊住院病例的诊断过程中迅速标识出病变位置。尤其在肺结节检测上，推想科技智能X线辅助筛查产品的 表现尤为突出，在合作医院试用过程中检测出数例险些被遗漏的肺癌病例，为放射影像诊断的质量提供了保障。
3.深度学习科研平台(AI-Scholar）
智能深度学习科研平台集成深度学习核心算法与功能，拥有最强大稳定的GPU运算能力，每秒可处理和运算超过100张 高清医学影像Dicom数据。科研平台包含超过50种深度学习业界最前沿的核心算法，可以利用集成好的算法合并、拼接 定制最符合实际应用场景的深度学习模型。智能深度学习科研平台具有简易化的应用和界面化的操作，即使是没有编程 背景的医生，经过培训也可以熟练掌握和完成深度学习建模，让最前沿专业的深度学习建模更大众化。
3. 雅森科技 QED Technique
MEDICAL MEETS AI
雅森科技基于大数据分析技术、图像识别技术，加之计算机的深度学习能力，将海量数据转化为精准高效的诊断能力，这些能力可以通过人工智能的方式交付给社会。这些数据工具将帮助各地的人们获得平等的诊断机会，无论你是在旧金山还是在赞比亚。
雅森科技成立于2006年，是国内最早专注于医学影像人工智能分析、核医学定量及CAD分析的高科技企业；长期致力于影像预处理、分析建模、大数据分析、深度学习辅助诊断等领域。产品覆盖脑、神经、甲状腺、血液、呼吸、病理等多模态分析技术。同时也面向医疗机构提供业界领先的雅森天玑™智慧医疗平台，为医疗机构实现“AI赋能”。
解决方案
1.癫痫 ( Epilepsy，EP )
癫痫 ( Epilepsy，EP ) 是大脑神经元突发性异常放电，导致短暂的大脑功能障碍的一种慢性疾病。在我国癫痫已经成为神经科仅次于头痛的第二大常见病。
癫痫致痫灶是神经生理学的概念，是指神经元异常放电的起源区，即直接引起痫性发作的部位。外科手术切除致痫灶成功的关键就在于术前准确定位致痫灶。
我们通过采集EEG、MRI、 PET或SPECT的影像数据进行处理分析，并与正常人群组做统计比对，从而计算得到代谢异常的致痫灶大小、位置等信息，通过认知技术，给出治疗方案的建议以及治疗效果的预测。
2.阿尔茨海默症 ( Alzheimer’s Disease， AD )
阿尔茨海默症 ( Alzheimer’s Disease， AD ) 是一种起病隐匿的进行性发展的神经系统退行性疾病。其患者最早表现为记忆、思维、行为障碍，最终会影响基本日常生活能力，增加了照护量，也让家庭和社会承受了沉重的经济负担。
目前诊断阿尔兹海默症，在临床上还没有非常有用的方法。尤其在早期阶段，阿尔兹海默症很难鉴别，是由于正常老化认知能力下降，还是轻度认识功能障碍，后者往往预示着阿尔兹海默症的可能。
雅森通过影像组学及神经学量表的量化分析，使用机器学习的方法，得到组织及代谢异常区域的位置、大小、程度等数据，疾病分型的诊断结论，并给出药物治疗方案以及病情发展的预测。
3.帕金森病 ( Parkinson’s Disease，PD )
帕金森病 ( Parkinson’s Disease，PD ) 是临床常见的进行性神经变性病，主要由黑质致密部多巴胺能神经元变性缺失所致，目前已成为继肿瘤、心脑血管病后中老年人群的“第三杀手”。
目前，帕金森病的诊断主要依靠病史、临床表现和体格检查。早期诊断与治疗可以延缓病情进展、改善预后。但是，对于早期患者常规血、脑脊液检查多无异常，头CT、MRI也无特征性，而多模态影像检查在疾病早期甚至亚临床期即可显示异常，可支持诊断 。
雅森通过影像组学、生物标记物及神经学量表的量化分析，使用机器学习的方法，得到组织及代谢异常区域的位置、大小、程度等数据，疾病分型的诊断结论，并给出药物治疗方案以及病情发展的预测。
- 慢性放射性职业病
慢性放射性职业病－淋巴微核细胞率是指在微核试验中1000个双核细胞中含有微核的细胞数，正常值范围应<6‰。对于经常接触放射源（如核电站、医院放射科、X射线安检设备等）的职业人群，淋巴微核细胞率的测定是所受辐射损伤评价的重要检测指标之一，亦列为我国慢性放射病诊断的重要检测指标之一。
人工镜检的主观性强，易造成分析人员间的检测差异，难以标准化；在显微镜的一个视野下，通常只有十几个或数十个细胞，因此计数1000个细胞，至少要看几十个视野的涂片，导致人工镜检的工作量巨大。
雅森通过对细胞涂片的影像进行细胞分割得到多种细胞结构特征，使用机器学习的方法来识别微核淋巴细胞，并计算得到外周血淋巴细胞微核率。
- 分化型甲状腺癌 ( Differentiated Thyroid Carcinoma，DTC )
分化型甲状腺癌 ( Differentiated Thyroid Carcinoma，DTC ) 是最常见的内分泌系统恶性肿瘤，其治疗模式为手术切除病灶、术后131碘治疗及促甲状腺激素抑制治疗。
由于甲状腺解剖结构特殊，手术全切仍会残留甲状腺组织，必须要通过术后131碘治疗（简称清甲治疗）来降低患者的复发风险。清甲治疗的方案选择需要根据残留甲状腺情况明确给药剂量，以到达最佳的治疗效果。
雅森通过对SPECT影像中的甲状腺残留组织进行轮廓提取，并结合影像灰度直方图分析，精确计算残留甲状腺的数量、体积等量化信息，再结合病人的甲状腺131碘吸收率，给出明确的给药剂量及预后判断。
- 肺结节 ( Pulmonary Nodules, PN )
肺结节 ( Pulmonary Nodules, PN ) 是肺癌的早期表现，肺癌是发病率和死亡率增长最快、对人群健康和生命威胁最大的恶性肿瘤之一。肺癌死亡率高居不下的主要原因是早期患者通常没有明显的临床症状，因此早期漏诊率很高。
单纯依靠X线或者CT影像进行肺结节的检测，可帮助诊断肺癌，但存在过度诊断、假阳性的问题。而PET/CT技术可以将病灶的功能信息同步分析，是目前肺结节检测和诊断最有效的手段之一。
采集肺影像（CT和PET），通过基于统计学的影像分割方法对肺结节进行目标区域的检测及提取，可以得到肺结节的位置、体积、密度等量化信息，再基于病灶的PET征象和CT征象（如SUVmax值、毛刺、分叶等）和患者的病史、吸烟史等临床信息进行量化分析，通过神经网络处理得到肺结节的良恶性诊断结论。
