点击蓝字 关注我们,让开发变得更有趣 英特尔和通用电气医疗保健公司 合作推进医学成像领域的人工智能 新的X射线情报有望改善患者护理 人工智能（AI）如何用于推进医学成像和改善患者预后？这…
点击蓝字
关注我们,让开发变得更有趣
英特尔和通用电气医疗保健公司
合作推进医学成像领域的人工智能
新的X射线情报有望改善患者护理
人工智能（AI）如何用于推进医学成像和改善患者预后？这就是 GE Healthcare 通过将自己沉浸在医院工作流程中来解决的问题。他们采访了放射科医生和技术人员，并观察了整个医院的手术情况，以确定工作人员如何使用 X 射线设备。
接下来，要求医院工作人员确定 X 射线的多种用途中哪些会从 AI 中受益最大。答案很明确：他们希望AI帮助改善涉及关键发现的病例的处理，以更好地治疗患者。具体来说，他们寻求帮助，以解决那些虽然不常见但如果被忽视可能导致危及生命的后果的情况。
另一个痛苦点是当前的先进先出工作流程，这通常导致较长的周转时间（TAT），即使在指定为紧急情况或统计数据的情况下也是如此。这种做法造成了一系列统计案件，但不清楚应首先处理哪些案件。用户希望找到一种解决方案，以帮助确保合适的人在正确的时间评估 X 射线，从而实现最佳的患者护理。
Healthcare infographic
GE Healthcare 的重症监护套件将AI嵌入设备
为了满足客户的需求，GE Healthcare 开发了其 Critical Care Suite ，这套AI算法旨在检测胸部X光片上的关键发现。该解���方案可在 Optima XR240amx 系统上使用，代表了 X 射线分析的重要一步， X 射线分析已占当今医学成像的约 50％ 。
GE Healthcare 的 CMO X-Ray Todd Minnigh 表示：“ GE Healthcare 的工作与众不同之处在于，它是一种内置在成像设备中的同类首创的 AI 算法。” “因此，实际上捕获图像的东西也在进行处理。它不在云中，也不在某处下游的服务器上。它可以检测并允许提供者确定紧急情况的优先级，从而可以更快地标记案件。”
在相同的基于 X 射线的基于 Intel® 处理器的系统上，在护理点上运行算法可以使医院更快地识别关键发现。AI 将潜在的关键条件发现发送给放射科医生，同时将原始图像发送给图片存档和通信系统（PACS）。此外，实时识别和标记质量问题的能力使技术人员能够确定在患者仍在实验室中时是否应重复或重新处理图像。
所有这些可能意味着急需的患者可以更快地获得结果，繁忙的医疗专业人员可以更轻松地重新分配工作负载的优先级，并有可能改善患者的预后。
GE Healthcare 试图通过解决一个特别具有挑战性的用例来测试该解决方案，该用例使用X射线检查气胸，这是一种威胁生命的，难以检测的状况，其中空气或气体已进入肺和胸部之间的腔中壁，导致肺萎陷。
GE Healthcare 正在做什么的不同之处在于，这是一种内置在成像设备中的同类首创的AI算法。它不在云中，也不在某处下游的服务器上。它可以检测并允许提供者确定紧急情况的优先级，从而可以更快地标记案件。”
GE Healthcare的CMO X-射线
Todd Minnigh
英特尔帮助 GE Healthcare 在 Optima XR240amx X 射线系统上加快气胸检测速度超过3倍
如今，大多数针对医院工作流程的 AI 解决方案都位于云或医院服务器上。借助 Critical Care Suite ， GE Healthcare 希望最大限度地降低成本，缩短安装时间并减少安全漏洞。每一秒都很重要，因此处理和情报位于成像设备本身中，从而避免了不必要的延迟。它还否定了更换或补充基础设施的需要。
重症监护室的目标是优化 X 射线的额胸和肺野位置，同时一旦捕获图像就加快气胸推断结果的交付。将计算智能转移到机器级别将允许快速的工作流程，并使放射科医生能够快速处理寻求安心的焦虑症患者的结果。
为了获得支持， GE Healthcare 求助于 Intel 及其计算机视觉工具。英特尔共同致力于提高 GE X 射线设备的速度并提供更高质量的X射线成像，以增强患者护理和治疗效果。英特尔使用 OpenVINO™ 工具包的英特尔® 发行版帮助优化了重症监护套件算法。该工具包提供了计算机视觉和深度学习推理工具，包括针对 GE Healthcare 成像系统中使用的英特尔® 处理器优化的基于卷积图像的分类模型。
迁移到 OpenVINO™ 工具箱的英特尔® 发行版改善了所有模型的性能，气胸模型获得了最大的好处，推理时间从三秒钟以上缩短到一秒钟以下。与未经优化的推理相比，在 Optima XR240amx X 射线系统上进行气胸推理的速度提高了 3.3 倍。���特尔还帮助培训了 GE Healthcare 团队，以最大限度地利用其算法。
GE Healthcare 人工智能与分析X射线全球产品经理 Katelyn Nye 表示：“任何人成功的关键都是您要选择正在帮助您成功的合作伙伴。”“英特尔绝对为我们做到了。”
对于 GE Healthcare 而言，同样重要的是能够为其庞大的 Intel 运行系统提供服务。人工智能驱动的创新需要通过软件升级或旧系统的明确硬件升级途径向所有人提供。
Nye 说：“要采用 AI 解决方案，它们应与现有工作流程集成。” “您不想增加任何开销或负担。如果可以用客户今天已有的东西来执行任务， GE Healthcare 的构建智能机的方法就是避免任何额外的步骤，工作流或基础架构。”
在小问题变成
大问题之前就发掘
除了基于AI的气胸解决方案外，GE Healthcare 还希望AI应用能够帮助技术人员进一步为改善患者护理做出贡献。这项承诺导致开发了另外三种基于质量的算法，旨在帮助指导或指导技术人员，无论他们的经验水平如何。
新的智能自动旋转算法就是一个例子。通常要求技术人员手动旋转图像以实现正确的方向。估计表明，仅自动完成该任务，每年就可以为技术人员节省大约70,000次按钮单击，或最多三个完整的工作日。
GE Healthcare 的任务是继续寻找可以自动化的X射线相关任务。这样，他们可以更快地释放数据见解，并使技术人员可以更快地移动医院现在每年产生的50 PB数据。
GE Healthcare 和 Intel ��手合作，了解到更快，更高质量的X射线成像可以带来更高的工作效率，更好的护理和更健康的世界。
–END–
你也许想了解(点击蓝字查看)⬇️
���️ 拨开深度学习部署迷雾，还看 OpenVINO™ 推理引擎
➡️ 面向产品集成的性能最佳实践和优化指南
➡️ 转换和模型推理优化指南
➡️ OpenVINO 部署 Mask-RCNN 实例分割网络
➡️ OpenVINO 部署模型时如何自定义任意尺寸的支持
➡️ ROS C++ 代码规范
➡️ ESH for OpenVINO Community 概览
➡️ ESH for OpenVINO 智能交通管理用例
➡️ OpenVINO 配置系统环境变量
➡️ 基于 OpenVINO Python SDK 环境配置与运行
👇欢迎在留言区与我们互动哦，
点击小程序 留言区 即可参与
留言区
○ 点击 “ 在看 ”，让更多人看见
点击阅读原文跳转观看精彩视频！
本文分享自微信公众号 - OpenVINO 中文社区（openvinodev）。如有侵权，请联系 support@oschina.cn 删除。本文参与“OSC源创计划”，欢迎正在阅读的你也加入，一起分享。
本文标题： 案例分享｜OpenVINO™ 帮助医疗保健公司优化重症监护套件算法
本文作者： OSChina
发布时间： 2021年04月15日 09:46
最后更新： 2025年04月03日 11:07
原始链接： https://haoxiang.eu.org/93b28f01/
版权声明： 本文著作权归作者所有，均采用CC BY-NC-SA 4.0许可协议，转载请注明出处！
