目前，神经网络正在分析医学成像数据，为放射学领域带来变革。
从动物照片到手写数字，神经网络多年来一直应用于可视化数据处理。 深度学习 模型能够识别图像特征，提高图像质量，并发现各类异常。
这些技术可以帮助人工智能为放射学领域带来变革，节省医疗机构的时间和金钱，同时改进患者护理服务。
人工智能在医学成像中的应用
硅谷初创公司 Subtle Medical 是 NVIDIA 初创加速计划的获奖者。目前，该公司正在开发一款 MRI 应用程序。通过深度学习技术，该程序可将现有图像获取时间缩短四分之三，且使用的对比剂仅达平日剂量的十分之一，进而提升患者体验和安全性。
该公司的首款产品 SubtlePET 减少了 PET 扫描所需的时间和放射性示踪剂剂量。PET 扫描是一种常用于癌症诊断和随访的医学图像技术。去年，SubtlePET 经过了美国 FDA 认证，并在欧洲取得了 CE 认证，成为首个获批用于核医学应用的人工智能产品。
通过 X 光、超声波、CT 或 MRI 扫描获取医学图像后，放射科医生对其进行分析。这些专家在图像中寻找患病迹象或异常情况，并通过日益增长的影像学研究诊断严重的疾病。
在这里，神经网络可在扫描图像中定位肿瘤等特征，或者进行耗时的测量工作。
ImFusion也是， NVIDIA 初创加速计划成员，该公司开发出了一种人工智能工具，可将二维超声数据转化为三维图像。它的算法将来自二维超声探头的实时图像叠加到先前获得的 CT 或 MRI 图像上，帮助医生在手术过程中对病人身体进行三维观察，从而为病人的护理工作提供更有价值的意见。
NVIDIA Clara 平台为成像应用赋能
ImFusion 和 Subtle Medical 均在使用医学成像的智能计算平台 Nvidia Clara。该平台以美国红十字会 (American Red Cross) 创始人克拉拉•巴顿 (Clara Barton) 命名，有助于开发人员在混合计算环境中构建、部署并管理采用人工智能技术的医疗成像应用程序，以创建智能医疗成像工作流和仪器。
从自动化工作流程到处理速度和图像质量提升，医学成像开发人员发现了许多使用人工智能协助医生检测和诊断疾病的方法。
俄亥俄州立大学韦克斯纳医学中心 (Wexner Medical Center) 是美国第一个采用 Nvidia Clara 平台进行人工智能临床成像的合作伙伴。作为一家领先的学术医疗中心，俄亥俄州立大学将在 ER 部门的预警系统和阅览室的诊断助理等应用中部署深度学习模型。
有了 Nvidia Clara 平台，开发人员可以使用人工智能提升医疗成像应用程序的运行速度。Nvidia Clara 平台可以在嵌入式、本地部署或云计算环境中处理来自 300 万台现有医疗成像仪器的数据。该平台还在 GPU 上使用 Kubernetes 工具，可满足开发人员扩大计算规模的需求。
感兴趣的开发人员可以在这里申请访问 CLARA 平台。
有关人工智能和 GPU 如何推进医学研究进程的更多信息，请参见 Nvidia 医疗保健页面。