旗下微信矩阵:

以AI辅助诊疗,图玛深维发布四款智能诊断新品

“图玛深维通过拓展病种,实现从放射到临床的价值跨越,这个强大的AI辅助诊疗体系,将成为整个智能医疗行业的基础设施,成为图玛深维及科研、基因、药品等于一体的智能服务平台的重要一环。”吴岗介绍道。
2018-11-09 16:47 · 投资界  Rica   
   

  投资界(微信ID:pedaily2012)11月9日现场消息,2018中华放射学学术大会(CCR2018)上,全球医学人工智能创企图玛深维发布四款智能诊断黑科技新品——胸部X线智能诊断系统(σ-Discover/Lung DR)、乳腺钼靶智能诊断系统(σ-Discover/Mammo)、脑卒中CT智能诊断系统(σ-Discover/Stroke CT)及肝脏CT智能诊断系统(σ-Discover/Liver CT)。

  图玛深维成立于2016年6月,是一家医学诊断系统开发商,将深度学习引入到计算机辅助诊断系统中,可应用于各类医学图像分析诊断、显微镜下的病理图像分析、以及发现DNA结合的蛋白质的序列特异性并协助基因组诊断等,帮助放射科医生提高诊断精度和诊断效率,降低诊断成本。

  2017年8月,图玛深维发布了第一款智能诊断产品——Discover/Lung Nodule 肺结节智能诊断系统。产品推出一年多以来,已覆盖近200家医院。此次图玛深维连续发布四款智能新品,着眼于临床真实需求和痛点,覆盖疾病监测、定量分析、疾病分类、良恶性判断、追踪随访和报告生成等全部流程,为医生提供精准的辅助诊断工具。

  图玛深维创始人兼CEO钟昕现场讲到:“今天给大家呈现的是我们继σ-Discover/Lung Nodule肺结节智能诊断系统后四款全新的人工智能诊断系统,无论在架构与性能上,新的产品都有长足的进步,希望通过此次的展示,能够传递我们在医疗AI的重要进展,提振医疗AI行业信心。”

  图玛深维副总裁吴岗在发布会上介绍了四款智能新品。胸部X线智能诊断系统(σ-Discover/Lung DR)用于胸腔DR图像,15种胸部疾病的自动检测及定位,系统敏感度超过90%。能够自动判别各类病症,准确分辨健康群体,提高医生工作效率。具备良恶性风险评估功能,增加医生诊断信心。

  乳腺钼靶智能诊断系统(σ-Discover/Mammo)适用于钼靶影像成像,对钙化点的敏感度超过95%,对肿块的敏感度超过90%。智能识别乳腺病变,实现病变的精准定位。系统遵循BI-RADS指导,为临床治疗提供依据。

  脑卒中CT智能诊断系统(σ-Discover/StrokeCT)可以快速检测CT影像中的急性出血及缺血病灶,确定其位置、体积、风险性等信息,在抢救黄金时间内明确诊断及治疗方案,并提供愈后评估。

  肝脏CT智能诊断系统(σ-Discover/Liver CT)能够根据CT图像自动进行肝脏分割,智能检测肝部病变,包括肝部结节、肝硬化、脂肪肝等病变的位置、体积等信息。良恶性病变评估功能根据LI-RADS分级,指导愈后评估。

  吴岗表示,目前,图玛深维的四款智能新品已经在医院试用。其他产品如前列腺癌、骨折、糖网病等智能诊断系统均在紧张研发阶段。这一系列产品聚焦于肿瘤、心脑血管疾病、慢性病等中国患者发病率较高的领域,并且针对中国患者进行了定制化设计。未来,图玛深维计划以每年发布3-5款新品的速度,同时加强美国、欧洲、日本、东南亚等海外市场的拓展。

  “图玛深维通过拓展病种,实现从放射到临床的价值跨越,这个强大的AI辅助诊疗体系,将成为整个智能医疗行业的基础设施,成为图玛深维及科研、基因、药品等于一体的智能服务平台的重要一环。”吴岗介绍道。

  近年来,人工智能被广泛应用于医疗领域,给传统医疗体系带来变革式的影响,医疗人工智能正在让卫生医疗系统变得更加高效。近期中央政治局集体学习人工智能发展现状和趋势,人工智能正成为新一轮科技革命和产业变革的重要驱动力量。

  投资界现场了解到,此次图玛深维发布的新品采用了深度学习和人工智能领域的最新方法,包括基于三维卷积的深度对抗生成网络和通用模型训练等,通过从多种数据中提取可共享的信息,将同一个网络模型同时使用在多个应用中,大大地提高了模型训练和运算的效率,有效地解决了医疗数据类别之间的不平衡和数据标注不完整的困境,以前沿技术奠定先发优势。

  图玛深维的产品拥有自主知识产权,分别在美国和中国获得了多项发明专利和软件著作权,在医疗领域中的知名国际会议和期刊上发表论文二十余篇。

  在技术优势转化为产品胜势的同时,图玛深维成为GE医疗、英伟达、阿里健康、联众、影思等企业的战略合作伙伴,在产品研发和落地等各个方面展开合作,共同推动中国智能医疗健康、快速发展。

  

本文来源投资界,作者:Rica,原文:https://news.pedaily.cn/201811/437612.shtml

【本文为投资界原创,网页转载须在文首注明来源投资界(微信公众号ID:PEdaily2012)及作者名字。微信转载,须在微信原文评论区联系授权。违规转载必究责。】

本文涉及