复（fù）旦大学附属华山医院感染科主任（rèn）张文宏教授曾提及（jí），医疗人工智能最（zuì）为成熟的智能（néng）影像识别（CT图（tú）像识（shí）别）在防疫中做出（chū）了重要贡献。

他认为（wéi），AI在医疗机构的（de）应用，在检测体系的应用，归（guī）根结底是线下和线上数据融合，并能够为公共卫生（shēng）系统提供实时预警（jǐng）。

受到（dào）集中于2016-2017年人工智能（néng）投资热潮的影（yǐng）响的结果，至少多达（dá）70-80家的企业参与智（zhì）能（néng）医学影像（xiàng）研发，但真正能实现技术落（luò）地的企业却是（shì）屈指可数。

此（cǐ）前，GE医疗首款人工（gōng）智能（néng）CT设备（bèi）APEX CT正式（shì）推出（chū），配合GE独有的全数控（kòng）QUANTIXTM高能球管，搭载了通（tōng）过深（shēn）度（dù）神经网（wǎng）络训（xùn）练（liàn）开（kāi）发出（chū）的人工智能CT图像（xiàng）处理技术TrueFidelityTM，让每一次扫描都（dōu）能获得以往CT设备无法比拟的（de）高清（qīng）图（tú）像质量。

对于医生来说，越高像（xiàng）素（sù）的成像（xiàng）、还原真实的效（xiào）果越好，就好比千万（wàn）像素摄（shè）像头捕（bǔ）捉到的（de）、还原真（zhēn）实的效果，为医生提供更有（yǒu）利于精准（zhǔn）诊（zhěn）断（duàn）的信息。

对（duì）患者（zhě）而言，一个是辐（fú）射更低、更安全，一个是医（yī）生诊断更精准、减少（shǎo）漏诊（zhěn）的可能性，患者（zhě）更安心。

相比传（chuán）统CT图像对（duì）腹部（bù）检查一般（bān）都（dōu）选择5mm厚层重建（jiàn），TrueFidelity可对任意体型任意部位的检查进行0.625mm的薄层图像重建，真实还原图像的解剖细（xì）节和纹理（lǐ），提高微小病灶的发现几率，有助（zhù）于早诊早治，极大提高（gāo）医（yī）生的诊断信心。

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

在（zài）四川（chuān）大学华西医院提（tí）供（gòng）的临床测试中，应用了TrueFidelity的图像下（xià）完全达到（dào）了常规的（de）诊断标准，解决了超低剂量CT扫描导致（zhì）的噪声太大无法（fǎ）诊（zhěn）断的问题（tí），且（qiě）最低只需10%的辐射剂量，就得到了TrueFidelity真理图像。

北京儿（ér）童医院的测试病例也（yě）显示，经过TrueFidelity，任（rèn）意扫描0.625mm薄层重建，空（kōng）间分辨率能提高（gāo）8倍，1.25mm微小病灶检出率提升50%，最终额外（wài）发现了（le）3个之前看不（bú）到的微小病（bìng）灶。

10年迭代，AI技术（shù）的创新诉求

长久以（yǐ）来，CT射线（xiàn）的潜（qián）在风险始终是（shì）医疗专家（jiā）和患者（zhě）最为担（dān）忧的，如何平衡图像质量和辐（fú）射剂量是CT影像（xiàng）发（fā）展（zhǎn）永恒的两难。

因为（wéi），CT照出来的片（piàn）子并不是直接投射（shè）出来的，而（ér）是经过复杂（zá）的设备，从不同的角度扫（sǎo）描（miáo）人体之后，必须再借助（zhù）计算（suàn）机的（de）处理形成纹理，医生才有（yǒu）读懂它的可能。

其中的（de）关（guān）键（jiàn）就（jiù）是计算机（jī）处理这些数（shù）据的方式——算法（fǎ）。

因此，而（ér）重建算（suàn）法的出（chū）现与不（bú）断升级，就（jiù）是为了更好（hǎo）地解决这（zhè）个问题（tí）。

第一代（dài）CT图像FBP算法（fǎ）的缺（quē）陷是，如果射线量不足，算法重建下（xià）的（de）图像质量就会明显降低，但（dàn）射线量过高，对患（huàn）者的辐射损伤（shāng）太大（dà）。

第二代（dài）CT图像算法可以在射线剂（jì）量（liàng）低（dī）的（de）条件下，通过算法（fǎ）弥补射线信号的（de）不足，但图像中的高频信（xìn）息会（huì）被扭曲和（hé）丢（diū）失，就好（hǎo）像用美颜相机过度磨皮，图像的真（zhēn）实性难以（yǐ）判（pàn）断，给（gěi）医生的精准诊断加（jiā）大了难（nán）度。

迭代算法推出10年来，一直在不断改进，但由于其自身的局限性，医生的接受度（dù）并不理（lǐ）想，在实际工作中的使用频次也并不高。

尤其是近年来，越（yuè）来越多的证据表明，迭代算（suàn）法存在的局限（xiàn）性（xìng）在临床上表（biǎo）现得愈发明显。

特别是低对比度（dù）的诊断任务（wù），如（rú）肝转移或胰腺占位（wèi）性病变的检（jiǎn）出（chū），迭代算（suàn）法（fǎ）会导致低（dī）对（duì）比度结构的空（kōng）间（jiān）分辨（biàn）率下降，降低病灶（zào）的可检测性。

为此，如何（hé）实现低剂量、低噪声（shēng）、自（zì）然纹理的三者兼（jiān）得，成为彼时（shí）CT重（chóng）建算法亟待突破的一大瓶颈（jǐng）。

低剂量、低噪声、真实图（tú）像纹（wén）理三者兼得

虽然高端CT设备通（tōng）过一系列硬（yìng）件（jiàn）的（de）提升，加之影像重建技术的优（yōu）化，不断改善（shàn）了诊断效（xiào）能，但始终无法突破（pò）影（yǐng）像（xiàng）过度平滑的（de）技术限制。

GE医疗深耕CT领（lǐng）域40年，不断积累经验的同时进行技（jì）术创新，如今（jīn）更（gèng）是通过深度神经网络训练开发（fā）出了（le）人工智能（néng）CT图（tú）像处理（lǐ）技术打破此（cǐ）前的迭代算法限制。

不同于其他深度学习（xí）算法以迭（dié）代图像作为训练目标，GE医疗使用（yòng）的是高（gāo）质量、高剂（jì）量的FBP图像来训（xùn）练深度神经网络（luò），也就是医生口中的“ground truth”作为训练（liàn）集，极大保（bǎo）证了最终训练结果的（de）准（zhǔn）确度，可将低剂量的CT扫描数据（jù）还（hái）原成高质量的FBP图（tú）像。

传统（tǒng）基（jī）于机（jī）器学习的迭代算法，高（gāo）度（dù）依赖专家经验，需要人（rén）工设计（jì）模型和（hé）确定、优化提取特征，对提取数量（liàng）也有一定限制，不能超过人脑处理的极限，否则模型的（de）准确性（xìng）也会达到瓶（píng）颈。

然（rán）而（ér）基于深度（dù）学习的重建算法，无需人为操作，自动优化深度神经网络，可调节的参数也是迭代算法的（de）一万倍，并基于大量极端和案件案例作为验证数据集，保证（zhèng）模（mó）型的泛化（huà）准确性。

且（qiě）随着（zhe）数据量的增加，模型准确（què）性不断提升，重建速度可适（shì）用于常规和急（jí）诊需求，不会因去除噪声而导致微小病灶遗漏（lòu）。

深度学习重建算法（fǎ）的出现，可谓完美地解决了一直困扰CT的难题，能够实现（xiàn）低剂量、低（dī）噪声和真实（shí）图（tú）像纹理三者兼（jiān）得。

通过这种深度神经网络训（xùn）练开发（fā）出的人工智能CT图像处理（lǐ）技术TrueFidelity，是经FDA批准的业（yè）界首个还原原（yuán）始图像的（de）深度学习（xí）CT影像重建算法。

一直（zhí）以来，医学的真（zhēn）谛，就是透过表（biǎo）象，看到真理，而人工智能等科（kē）学（xué）技术手段，正是撬开真理大门的钥匙。

以（yǐ）TrueFidelity为代表的深（shēn）度学习重建算法，突破了医学影像始终无（wú）法突围的重建算法（fǎ）门（mén）槛（kǎn），开启了CT技术人工智能元年，更为人（rén）类打开（kāi）了通往精（jīng）准（zhǔn）医疗的（de）捷径，为（wéi）更智能（néng）、更精准的医学影像诊（zhěn）断（duàn）开创了无限可能。