基于OpenVINO的海信醫療 CAS 計算機輔助手術(shù)胸肺系統

要點(diǎn)綜述
　　人工智能等數字化技術(shù)正在深度重構醫療行業(yè)，從醫學(xué)影像輔助診斷、疾病預測/健康管理到藥物研發(fā)等諸多環(huán)節，數字化技術(shù)都發(fā)揮著(zhù)日趨重要的作用，帶來(lái)更加智慧、高效、精確的診療方式。其中，三維手術(shù)規劃系統通過(guò)醫療影像中解剖結構智能分割、三維重建及渲染，能夠幫助醫生更精準定位手術(shù)位置，判斷手術(shù)可行性，并規劃最優(yōu)手術(shù)路徑，可有效提高腫瘤切除率、修正手術(shù)方案、大大減少手術(shù)時(shí)間及術(shù)中出血，提高手術(shù)安全性，造福病患。
　　青島海信醫療設備股份有限公司（以下簡(jiǎn)稱(chēng)：海信醫療）是海信集團全資子公司，公司與青島大學(xué)共建了數字醫學(xué)與計算機輔助手術(shù)省級重點(diǎn)實(shí)驗室，專(zhuān)注于與醫學(xué)影像相關(guān)的人工智能技術(shù)開(kāi)發(fā)，形成了以醫學(xué)影像處理、人工智能、信息交互、醫用顯示等核心技術(shù)為基礎，以計算機輔助手術(shù)系統、智能影像中心、數字化手術(shù)室等醫院信息化解決方案為落地場(chǎng)景的完整研發(fā)、生產(chǎn)、營(yíng)銷(xiāo)服務(wù)體系。海信醫療多年致力于醫學(xué)影像人工智能技術(shù)研發(fā)，成功開(kāi)發(fā)出海信計算機輔助手術(shù)規劃系統，覆蓋胸肺、肝膽胰脾和泌尿系統，已應用于全國100多家醫院，服務(wù)病患超過(guò)9000例（根據2020年2月的數據統計），產(chǎn)生了良好的社會(huì )及經(jīng)濟效益，具有良好的臨床應用前景。
　　為了進(jìn)一步提升 CAS 手術(shù)胸肺系統針對 CT（電子計算機斷層掃描）人工智能器官分割的效率，提高部署靈活性并控制大規模部署成本，海信醫療部署了英特爾?至強?可擴展處理器，并使用OpenVINO?工具套件進(jìn)行了算法深度學(xué)習加速，成功達到了預期目標。
背景：CAS 手術(shù)在中國與全球市場(chǎng)的發(fā)展現狀與預測
　　隨著(zhù)近年來(lái)低劑量螺旋CT早期篩查普及率的提高，越來(lái)越多癌前病變的小結節被檢出。與此同時(shí)，肺癌的外科治療也經(jīng)歷了從一側全肺切除、解剖性肺葉切除到肺楔形段切除的發(fā)展演變。
　　從解剖學(xué)上講，肺段是一個(gè)完整和獨立的單位，每個(gè)肺段都有其獨立的動(dòng)脈、靜脈及支氣管分支供應，精準切除腫瘤所在的肺段，既能保證腫瘤的完整切除，又能最大限度的保留正常肺組織，還能進(jìn)行段間及段內淋巴結的采樣或清掃，達到解剖性切除、根治腫瘤的目的。研究表明，針對如臨床I期非小細胞肺癌（NSCLC）治療等，解剖性肺段切除術(shù)與傳統肺葉切除相比，可以提供類(lèi)似的局部和遠端控制1,2。因此，精準肺 段切除非常適合肺小結節或無(wú)法耐受肺葉切除病人的治療。
　　由于肺臟邊緣動(dòng)靜脈、支氣管分支特別復雜，且缺乏天然可見(jiàn)的解剖邊界，精準肺段切除術(shù)具有較大技術(shù)和解剖學(xué)難度?；谏疃壬窠?jīng)網(wǎng)絡(luò )自動(dòng)分割的肺部精準三維重建技術(shù)可以將肺組織、病灶、肺內血管和支氣管等結構的形態(tài)和空間分布等進(jìn)行識別與分析，實(shí)現直觀(guān)準確的可視化呈現。使用三維重建技術(shù)的3D CT 手術(shù)計劃對機器人輔助節段切除術(shù)非常有用，有利于減少并發(fā)癥和提高手術(shù)效率。
　　術(shù)前精準三維重建可有效顯示病灶及附近解剖結構，為肺癌患者提供了更多的選擇，能夠最大限度地保留患者的肺功能。針對早期肺癌和癌前病變，通過(guò)精準肺段切除能以最小代價(jià)提前實(shí)施干預，切除病灶，增加患者的長(cháng)期生存率，提高患者生活質(zhì)量。實(shí)例驗證顯示，解剖性肺段分析可有效確定腫瘤體積、所在肺段位置并幫助醫生預測切緣。切緣預測陽(yáng)性準確率對腫瘤切緣高于1cm或者切緣腫瘤直徑比大于1的情況，切緣準確率（TP/（TP+FP））分別達到87%及75%，可有效輔助醫生術(shù)前精確判斷周?chē)头伟┓味吻谐尚行浴?br/>　　為了支持醫療影像的自動(dòng)分割，研究人員使用了 NiftyNet 等基礎架構來(lái)開(kāi)發(fā)深度學(xué)習方案，NiftyNet 使研究人員能夠快速開(kāi)發(fā)和分發(fā)用于分段、回歸、圖像生成和表示學(xué)習應用程序的 深度學(xué)習解決方案，或將平臺擴展到新的應用程序6 。
　　據美國聯(lián)合市場(chǎng)研究（Allied Market Research）機構最近公布的一份研究報告預測，全球術(shù)前規劃軟件市場(chǎng)規模2018年為8409萬(wàn)美元，到2026年這個(gè)數字將達到1.27億美元，復合年增長(cháng)率為5.2%。
　　胸肺 CT 三維重建是 AI 技術(shù)在醫療行業(yè)的典型應用。事實(shí)上，由于A(yíng)I在診療過(guò)程中具備突出的優(yōu)勢，其已成為眾多醫院推進(jìn)數字化創(chuàng )新、推動(dòng)智慧醫院建設的重要方向?！吨袊t學(xué)影像 AI 白皮書(shū)》顯示，在醫學(xué)影像方面，AI 技術(shù)具有更廣闊的落地場(chǎng)景，通過(guò) AI 技術(shù)，可以有效提高醫師診療效率與診斷精 度，使醫學(xué)影像的分析技術(shù)下沉，縮短患者就診等待時(shí)間，降低患者就醫成本。
　　開(kāi)展精準肺段切除的最大難點(diǎn)在于個(gè)體解剖差異， 如何分辨肺段的靜脈、動(dòng)脈、支氣管及段間平面是手術(shù)是否精準的關(guān)鍵。隨著(zhù)人工智能技術(shù)的發(fā)展， 國內少數醫院通過(guò)將 CT 數據影像導入計算機工作站，建立起三維立體數字器官模型，真實(shí)還原了患者的動(dòng)脈、靜脈及支氣管的走形形態(tài)，手術(shù)過(guò)程中能夠在電腦中旋轉觀(guān)察，準確定位并精準切除病灶，同時(shí)也大大提升了手術(shù)的安全性?！?彭忠民 山東省立醫院東院胸外科主任
海信醫療基于英特爾架構加速三維神經(jīng)網(wǎng)絡(luò )預測
　　海信醫療 CAS 計算機輔助手術(shù)胸肺系統可以為腹腔精準外科手術(shù)提供高效、精準、易用的影像重建及量化模擬分析整體解決方案。該系統能夠針對腹腔組織器官的 CT/MR 影像進(jìn)行預 處理和分割，精準輸出清晰的肝臟、腫瘤、血管及周邊器官組織的重建結果，并提供多種模擬手術(shù)工具進(jìn)行直接 3D 切割、2D 映射切割和流域分析，為臨床醫生快速精準地進(jìn)行診斷和制定方案提供了有力的輔助工具。

圖 1. 利用海信醫療 CAS 完成的胸肺 CT 三維重建模型。圖片由海信醫療提供

圖 2. 海信醫療 CAS 計算機輔助手術(shù)胸肺系統。圖片由海信醫療提供

　　面向重大肝臟疾病的計算機輔助手術(shù)系統進(jìn)行的匯總分析顯示，海信計算機輔助手術(shù)系統和其它同類(lèi)產(chǎn)品已向臨床醫護人員提供幫助。
　　海信醫療 CAS 計算機輔助手術(shù)胸肺系統的設計采用功能原型設計、性能優(yōu)化、準確性比對的步驟進(jìn)行。系統采用了V-Net 神經(jīng)網(wǎng)絡(luò )架構來(lái)進(jìn)行全卷積神經(jīng)網(wǎng)絡(luò )的三維圖像分割，利用 NiftyNet 進(jìn)行快速的算法原型設計，在功能驗證的基礎上，進(jìn)一步利用英特爾工具進(jìn)行性能優(yōu)化，并對優(yōu)化后預測結果與優(yōu)化前預測結果進(jìn)行對比，以確保優(yōu)化后的神經(jīng)網(wǎng)絡(luò )的一致性。
V-Net
　　大多數醫學(xué)影像數據是三維體數據，能夠提取三維特征對于管道類(lèi)組織的分割至關(guān)重要，這是因為血管、支氣管等管道類(lèi)組織在單張 CT 影像上往往呈現圓形或橢圓形截面，而其主要的形態(tài)特征存在于 z 軸方向。同時(shí)醫學(xué)圖像分割經(jīng)常存在目標組織解剖結構體積占比小，樣本間不均衡現象，如：肺支氣管、肺小結節相比肺實(shí)質(zhì)，從而帶來(lái)預測偏差。 V-Net 神經(jīng)網(wǎng)絡(luò )結構由 Milletari et al. 在 2016 年提出，輸入圖像經(jīng)過(guò)一個(gè)圖像壓縮路徑進(jìn)行特征提取及降采樣操作，連接一個(gè)圖像解壓縮路徑將圖像恢復到輸入圖像大小，形成左右對稱(chēng)的 V 字神經(jīng)網(wǎng)絡(luò )架構。壓縮及解壓路徑間通過(guò)特征前項短接 保留細顆粒特征，提升邊緣的預測準確率。通過(guò)引入基于Dice系數的目標函數進(jìn)行參數優(yōu)化，可有效處理前景/背景體素不平衡現象。
NiftyNet
　　NiftyNet 是基于TensorFlow 的開(kāi)源卷積神經(jīng)網(wǎng)絡(luò )（CNN）平臺，通常用于醫學(xué)影像分析和影像引導療法的研究。海信醫療使用 NitfyNet 以及其內部開(kāi)放模型庫（Model Zoo）中的 Dense-Vnet 實(shí)現對于腹部 CT 中多個(gè)器官影像的分割，該神經(jīng)網(wǎng)絡(luò )平臺可分割腹部 CT 上的八種類(lèi)型的器官，包括胃腸道（食道、胃、十二指腸），胰腺和附近的器官（肝、膽、脾、 左腎）。

圖 3. V-Net 神經(jīng)網(wǎng)絡(luò )架構圖

　　NiftyNet 的開(kāi)放模型庫提供了可在 TensorFlow 之上，使用標準公共數據集訓練模型的步驟，以及用于驗證模型推理和性能評估的權重文件（checkpoint 文件）。在本案例中，英特爾幫助海信醫療修改 NiftyNet 的公共源代碼來(lái)序列化 TensorFlow 模型圖，并生成將權重固化到模型圖的pb文件。OpenVINO工具套件需要使用在通用框架（Caffe， Tensorflow，MXNet，ONNX）上訓練好的模型來(lái)進(jìn)行轉換，所以在開(kāi)始使用OpenVINO之前，需要基于TensorFlow將 NiftyNet 模型源碼生成模型圖并固化權重，以便進(jìn)行后續的工作。在深度網(wǎng)絡(luò )圖形序列化步驟中，需要指定正確的輸入和輸出節點(diǎn)，使得生成的權重固化文件中只包含從正確輸入節點(diǎn)到正確輸出節點(diǎn)之間的模型結構圖。以下流程圖反映了如何將 NiftyNet 公開(kāi)模型使用 OpenVINO 加速的過(guò)程，其中橙色部分表示在 NiftyNet 源文件中編寫(xiě)代碼完成的流程，藍色部分表示 OpenVINO 優(yōu)化流程：

圖 4.NiftyNet模型使用OpenVINO優(yōu)化性能的流程圖。約 14.7x 的性能提高細節請參考圖 9

使用 OpenVINO 工具套件分發(fā)來(lái)加速模型推斷
　　OpenVINO 工具套件發(fā)行版提供了高度優(yōu)化的神經(jīng)網(wǎng)絡(luò )計算能力，并基于包括英特爾 CPU、GPU、VPU 和 FPGA 在內的英特爾硬件平臺，加速了深度學(xué)習模型推理。英特爾幫助海信醫療使用了英特爾? 深度學(xué)習部署工具包（英特爾? DLDT）。 該工具包是 OpenVINO 工具套件中的主要推理優(yōu)化模塊。
　　如圖5所示，英特爾 DLDT 包含兩個(gè)模塊，模型優(yōu)化器（MO，Model Optimizer）和推理引擎（IE，Inference Engine）。模型優(yōu)化器是一個(gè)跨平臺的命令行工具，可實(shí)現訓練和部署環(huán)境之間的轉換，執行靜態(tài)模型分析并調整深度學(xué)習模型， 致力于在終端目標設備上實(shí)現最佳執行能力。它支持從流行的框架（包括 TensorFlow 模型）到中間數據格式（IR，Intermediate Representation）的離線(xiàn)模型轉換。

圖 5. OpenVINO 工具套件的深度學(xué)習部署 相關(guān)的產(chǎn)品架構

　　中間數據格式包含用于描述深度學(xué)習網(wǎng)絡(luò )結構的 XML 和用于存儲權重值和偏差值的二進(jìn)制文件，可以使用推理引擎在英特爾至強可擴展處理器上加載和執行模型網(wǎng)絡(luò )。推理引擎提供統一的跨平臺 C++ 和 Python API，用于推理加速和優(yōu)化。在英特爾?處理器上，IE將自動(dòng)在運行時(shí)使用集成了英特爾?深度神經(jīng)網(wǎng)絡(luò )庫（英特爾? DNNL）的運行插件，該插件均為動(dòng)態(tài)函數庫，可以在運行時(shí)檢測指令集架構（ISA），并使用準時(shí)制代碼生成（JIT）來(lái)部署，針對最新的 ISA12 進(jìn)行優(yōu)化，以加速神經(jīng)網(wǎng)絡(luò )中各層的運算。
　　圖 6 展示了在 CPU 平臺上，英特爾 DLDT 的加速推理的機制和流程，其中推理引擎使用到的MKL-DNN（又稱(chēng)英 特爾 DNNL）插件中定義了深度神經(jīng)網(wǎng)絡(luò )核心的原始操作（primitive operation）層的實(shí)現，其中包括卷積層（Conv，Convolution），對位操作層（Eltwise，element-wise），全連接層（Concat，Concatenation）等。
OpenVINO 異步模式
　　為了高度優(yōu)化整個(gè)推理流程并降低數據傳輸成本，海信醫療采用推理引擎的異步應用程序編程接口（Async API）來(lái)設置多個(gè)推理請求對象的實(shí)例，并在多個(gè)處理器核上并行進(jìn)行推理。該模式可將CT影像分割成多個(gè)小塊進(jìn)行處理（每個(gè)小塊的尺寸為 64*64*64），并且每?jì)蓚€(gè)小塊之間都不會(huì )存在數據相互依賴(lài)性，這意味著(zhù)系統可以在開(kāi)始時(shí)加載成批的塊，并將其注入推理請求池以便并行計算，而無(wú)需等待逐個(gè)數據的輸入或等待其他推理實(shí)例完成。這里提供了方便快捷的響應機制，一旦異步推理請求完成推理執行時(shí)，這組運算的結果將被獲取和記 錄，下一組輸入將直接注入推理請求池進(jìn)行下一輪推理。

圖 6. 英特爾 DLDT 基于 CPU 平臺上的優(yōu)化機制

　　圖 7 顯示了使用英特爾? VTune工具包，通過(guò)程序熱點(diǎn)（hotspot）分析選項，分析原始的推理引擎同步（Sync）API程序的運算情況。網(wǎng)絡(luò )層在主線(xiàn)程上執行，英特爾DNNL將為在多個(gè)內核上進(jìn)行計算的每一個(gè)網(wǎng)絡(luò )層創(chuàng )建英特爾? TBB 線(xiàn)程。從OpenVINO工具套件2019R1版本開(kāi)始，DLDT 將默認的并行化機制從 OpenMP 轉移到英特爾 TBB，旨在為多網(wǎng) 絡(luò )場(chǎng)景和異步及吞吐量模式下的推理運算提供更高的性能。
　　圖 7 中黃色圓圈圈中的一欄代表主線(xiàn)程，橫軸表示時(shí)常，橙色 的內容表示主線(xiàn)程處于空轉的狀態(tài)下，線(xiàn)程占據了系統資源，

　圖 7. VTune 工具展示的 OpenVINO IE Sync API 計算過(guò)程

　　原因是主線(xiàn)程需要等待，直到下面的TBB子線(xiàn)程逐層地完成，并且每小塊的輸入數據將被逐一計算后，主線(xiàn)程才可以結束運算并釋放資源。
　　與 Sync API 相比，Async API 可以創(chuàng )建多個(gè)推理請求實(shí)例來(lái)同時(shí)執行網(wǎng)絡(luò )推理。如圖 8 所示，Async API 將同時(shí)創(chuàng )建帶有多個(gè)推理請求的線(xiàn)程，每個(gè)線(xiàn)程分別使用不同的輸入數據塊執行推理，圖像中的紅色圓圈表示同一個(gè)網(wǎng)絡(luò )層在不同推理實(shí)例上的并行情況。通過(guò)使用這種方式，將減少主線(xiàn)程和子線(xiàn)程之間的等待時(shí)延。

　圖 8. VTune 工具展示的 OpenVINO IE Async API 計算過(guò)程（“吞吐量” 模式打開(kāi)）

　　同時(shí)，海信醫療還使用處理器推理引擎的“吞吐量”（Throughput）模式在 CPU上同時(shí)高效地運行多個(gè)推理請求，從而大大提高了吞吐量。使用該模式，執行資源會(huì )被固定到執行“流”中，而這些“流”的可以綁定在CPU物理核上， “流”的數量建議設置為 CPU 的物理核數。通過(guò)此功能將容易 獲得更高性能，尤其是在多核服務(wù)器上。
基于OpenVINO工具套件的海信醫療CAS性能驗證
　　要對 CT 等醫療影像進(jìn)行三維重建，需要采集目標的點(diǎn)云數據 （Point Cloud Data，PCD），經(jīng)過(guò)深度影像增強、點(diǎn)云計算與配準、數據融合、表面生成等步驟，完成對目標的三維重建計算，其涉及到影像人工智能自動(dòng)分割、重建，需要部署 人工智能預測網(wǎng)絡(luò )，對于計算資源、存儲和網(wǎng)絡(luò )連接有著(zhù)巨大的需求。
　　在選擇人工智能預測網(wǎng)絡(luò )的基礎設施時(shí)，用戶(hù)常常會(huì )面臨是選擇 CPU 還是 GPU的困擾。GPU的并行架構適合處理圖像算法，也普遍被用于深度學(xué)習訓練中，但是由于醫療場(chǎng)景的特殊性，GPU 并非是面向三維重建的人工智能預測網(wǎng)絡(luò )構建 的必然選擇：
　　? 醫院部署人工智能功能往往局限于醫院局域網(wǎng)，很難利用公網(wǎng)中的廉價(jià) GPU資源。為了滿(mǎn)足并發(fā)需求，部署多塊高性能 GPU 是不小的硬件成本。
　　? 通常GPU顯存有限，針對三維神經(jīng)網(wǎng)絡(luò )預測的大數據量，需要采用拆分-單獨預測-合并的 Patch-based 方法，這樣容易丟失所預測目標的上下文信息，引入噪聲。如胸肺動(dòng)靜分割，數據量（512*512*400），使用只有 11GB 顯存的 GPU（海信醫療評估系統設置），最大Patch尺寸為（232*232*232）。部署時(shí)該GPU的適配性不高。
　　? 本案例中的海信醫療 CAS 手術(shù)系統的AI算法有較強的批處理屬性，人為交互少，可以允許損失一部分處理時(shí)間而不影響用戶(hù)體驗。
　　? GPU 通用性有一定的限制，僅能用于定制的AI運算，平時(shí)不能利用。使用 CPU 服務(wù)器可有效利用空置資源，提供其他閱片室或者手術(shù)室服務(wù)。
　　因此，選擇恰當的三維神經(jīng)網(wǎng)絡(luò )預測的基礎設施平臺，并通過(guò)深度學(xué)習加速工具包來(lái)加速預測性能，就成為三維重建手術(shù)規劃系統部署的重要因素。
　　基于英特爾至強可擴展處理器以及 OpenVINO 工具套件，海信醫療與英特爾共同優(yōu)化了胸肺CT人工智能自動(dòng)分割、重建算法，在可接受的性能指標范圍內，大大降低了CAS計算機輔助手術(shù)胸肺系統部署成本與靈活性。
　　在發(fā)現GPU方案可能存在的弊端之后，海信醫療決定基于英特爾至強可擴展處理器來(lái)搭建基礎設施平臺，并對該方案的性能進(jìn)行評估。英特爾至強可擴展處理器不僅擁有強大的通用計算能力，還集成了增強單指令多數據流（Single Instruction Multiple Data，SIMD）、英特爾? AVX-512 等創(chuàng )新技術(shù)，實(shí)現了對于通用計算能力和并行計算能力的兼顧，為人工智能訓練提供了卓越的性能基礎。相比上一代產(chǎn)品，英特爾至強可擴展處理器針對人工智能訓練和推理可提供大幅領(lǐng)先的性能。
　　此外，海信醫療還使用OpenVINO工具套件進(jìn)行了加速，OpenVINO工具套件包括英特爾深度學(xué)習部署工具套件。通過(guò)輸入來(lái)自標準網(wǎng)絡(luò )的訓練后模型，模型優(yōu)化器可將其轉換為統一的中間代碼（IR）文件，然后在推理引擎上運行該文件， 這有助于跨不同加速器進(jìn)行測試，無(wú)需重新編碼。
　　為了驗證該方案的性能表現，海信醫療進(jìn)行了對比測試（其中，CPU方案采用了英特爾至強可擴展處理器，搭載了英特爾?SSE4.2、英特爾?AVX、英特爾? AVX2、英特爾AVX-512指令集，并使用OpenVINO工具套件進(jìn)行了優(yōu)化，結果如圖 9 所示）。在方案中，CT 影像原圖為尺寸為（284，512，512），即284張 512*512 的 CT 影像切片。海信醫療 CAS 應用 NiftyNet 中的 GridSampler 函數將該 CT 影像原始切片分成了1001個(gè)64*64*64 的小塊進(jìn)行深度學(xué)習推理。
　　測試結果顯示 CPU 方案具備更高的部署與應用靈活性，可以承擔更廣泛的負載，更有效地控制系統的總體擁有成本（TCO）。

圖 9. 缺省NiftyNet和OpenVINO工具套件優(yōu)化前后的推理性能對比。數據由海信醫療于 2020 年 1 月提供

效果實(shí)例：8分鐘完成疑難病癥手術(shù)關(guān)鍵核心環(huán)節
　　通過(guò)英特爾至強可擴展處理器、OpenVINO工具套件來(lái)優(yōu)化胸肺CT人工智能自動(dòng)分割，海信醫療 CAS 計算機輔助手術(shù)系統的效率與精度得到了有效保證。通過(guò)對于胸肺 CT 進(jìn)行三維重建，該系統可形成立體360度可量化、可觀(guān)察、可互動(dòng)的影像模型，醫生可以通過(guò)旋轉、調整透明度、縮放等方式對于影像模型進(jìn)行更加細致的觀(guān)察，為術(shù)前規劃、術(shù)中參考提供重要支撐。
　　海信醫療副總經(jīng)理陳永健指出，近日在中國重慶醫科大學(xué)附屬第一醫院泌尿外科的一例“腎癌伴下腔靜脈癌栓并浸潤腔靜脈壁”疑難手術(shù)中，患者病情的特殊性讓醫生找不到同類(lèi)手術(shù)進(jìn)行參考，施行手術(shù)的風(fēng)險極高。通過(guò)引入海信醫療 CAS 計算機輔助手術(shù)系統進(jìn)行三維重建，醫生進(jìn)行了充分的術(shù)前規劃準備，最終手術(shù)關(guān)鍵環(huán)節僅用時(shí)8分鐘就順利完成。
　　基于海信醫療在醫療行業(yè)深厚的積累，以及英特爾架構所帶來(lái)的高性能、靈活性與敏捷性，該系統在胸肺類(lèi)疾病的診斷中可以發(fā)揮出巨大潛力，幫助醫生提升臨床手術(shù)的質(zhì)量。對于醫院而言，該解決方案也可以有效利用醫院內部的通用計算資源，節省相應支出。
　　2020 年1月份，青島大學(xué)附屬醫院和海信醫療聯(lián)合科研團隊共同開(kāi)發(fā)的，基于海信醫療 CAS 計算機輔助手術(shù)系統的“基于小兒肝膽胰計算機輔助手術(shù)系統研發(fā)、臨床應用及產(chǎn)業(yè)化”成果，榮獲 2019 年度國家科技進(jìn)步獎二等獎。
展望：英特爾與海信醫療推動(dòng)智慧醫療的落地
　　“三維重建的技術(shù)優(yōu)勢在疾病診斷中的效率、準確性?xún)?yōu)勢日漸顯現。通過(guò)與英特爾進(jìn)行合作，我們確保了該系統的運行效率以及敏捷性。而在未來(lái)，我們也將與英特爾合作探索 3D 打印、混合現實(shí)等技術(shù)在醫療行業(yè)的應用，為術(shù)前精確診斷、術(shù)中精準手術(shù)、患者快速康復提供更大的支持保障”，海信醫療副總經(jīng)理陳永健表示。
　　為推進(jìn)人工智能在醫療健康領(lǐng)域的廣泛應用，英特爾推出了CPU、FPGA、Myriad?視覺(jué)處理器及一系列的軟件開(kāi)發(fā)工具，具備全面的人工智能產(chǎn)品組合和端到端的技術(shù)實(shí)力，可以提供高度靈活和多種優(yōu)化的解決方案，并充分發(fā)揮合作伙伴們在各自領(lǐng)域的專(zhuān)業(yè)性，來(lái)推動(dòng)人工智能醫療技術(shù)的落地與進(jìn)一步發(fā)展。