(圖示：AIChallenge4Health競賽排名截圖。因為空間限制，只顯示前11名)

　　CT、X光等醫(yī)學影像技術是實際就醫(yī)過程中的重要環(huán)節(jié)。一方面，對于患者來說，提升醫(yī)療成像設備的成像速度與質量，不僅可以帶來更好的體驗，也為后續(xù)診斷與治療提供了有力保障;另一方面，對于外科醫(yī)生來說，在手術過程中，對患處進行實時地、準確地成像會極大程度上影響手術的結果。

　　目前業(yè)界比較成熟的成像方案有3D和2D兩種，但它們由于自身特點都各自存在一定缺陷。3D設備成像(比如CT和MRI)效果好但是造價高昂，普通患者難以承受;2D設備(比如X光)雖然體積小、價格低，但是由于拍攝位置和角度的變化，成像過程中會涉及多次的校準行為，從而導致成像質量較差同時成像速度慢。如何利用人工智能提升醫(yī)療成像設備的成像效率，降低患者的治療費用和等待時間，成為業(yè)界共同思考的問題。

　　騰訊優(yōu)圖提出的醫(yī)療器械校準中的超高精度關鍵點檢測方法，正是利用AI技術來提高2D設備的成像效率。

　　在2D設備成像之前，需要對其進行“校準”以提高成像質量，該系統(tǒng)嘗試利用AI技術對X射線影像中的關鍵點進行檢測，從而獲取其精確的坐標，然后利用這些關鍵點對成像設備進行校準。這一過程中，AI技術不僅需要能夠準確判斷圖中關鍵點的個數(shù)，還需要輸出每個關鍵點的中心位置。

　　為了解決校準過程中定位精度要求高，以及部分關鍵點中心相距不到三個像素，難以區(qū)分的問題，優(yōu)圖實驗室將檢測任務分解成三個子任務，然后通過神經(jīng)網(wǎng)絡進行多任務學習，有效利用深度網(wǎng)絡得到每個關鍵點的準確定位。同時通過全局控制與局部預測相結合，及多任務的聯(lián)合與解耦，提高預測的準確度。

　　(圖示：系統(tǒng)的邏輯方案)

　　該系統(tǒng)未來可用于相關成像設備的校準，提高設備的成像質量與速度，創(chuàng)造一定的經(jīng)濟價值與社會效益;同時也可用于高精度點檢測或者校準任務，獲取高質量的檢測結果，幫助醫(yī)師準確為患者診斷與治療。

　　從AI導診到AI輔助癌癥早篩，AI技術在醫(yī)療行業(yè)中的應用已不陌生。依托前沿的計算機視覺技術，騰訊優(yōu)圖在醫(yī)療AI領域持續(xù)探索應用，除了在全球醫(yī)療影像大賽LiTS中刷新兩項紀錄，獲得肝分割、肝腫瘤分割兩項技術世界第一之外;不久前還刷新了全球胸部多器官分割大賽SegTHOR Challenge 2019的世界記錄。

　　技術研發(fā)不斷深入的同時，騰訊優(yōu)圖也通過騰訊首個醫(yī)療影像產(chǎn)品“騰訊覓影”持續(xù)對外輸出醫(yī)療AI能力，目前已支持宮頸癌、肺癌、眼科疾病等疾病篩查，并在國內100多家頂尖三甲醫(yī)院進行落地，既減輕了醫(yī)生的工作量，也為提升診斷準確率和效率發(fā)揮了重要作用

zhangnn