随着AI算法的高速发展，医学影像AI诊断技术已经实现了前所未有的飞跃，能够极大地提高医生工作效率及诊断准确率，同时有助于提升基层医院及医疗资源欠缺地区的诊断效率。医学影像AI辅助诊断是未来医疗诊断自动化的发展趋势，目前已经有很多研究机构和公司在积极开展医学影像AI辅助诊断的技术的研究。

　　医学影像AI辅助诊断的应用一般分三步进行：一是医学影像资料的处理过程，目的是把所有特征的医学影像检查结果和一些临床表现、体征等资料提取出来；二是图像特征的提取过程，目的是用计算机对病人数据进行特征提取并量化处理；三是数据处理过程，即将第二步获得的数据资料输入神经网络等各种智能算法中实现AI诊断。以人工智能诊断肺栓塞为例，诊断过程大致分为图像预处理、肺血管分割、动静脉分离以及检测肺栓塞(包括特征提取与分类)，更进一步将包括栓塞严重程度量化与3D栓塞影像仿真。智能诊断过程中涉及的技术难点包括肺血管的分割、动静脉分离、肺栓塞的特征提取、疾病分类等。

　　如何高精度、高效率的实现图像分割、特征提取、病灶识别等是医学影像AI辅助诊断的核心技术，目前的研究集中在以卷积神经网络（Convolutional Neural Network, CNN）为代表的深度学习算法上。卷积神经网络最擅长的就是图片的处理，它能够有效的将大数据量的图片降维成小数据量，能够有效的保留图片特征，符合图片处理的原则，故而可广泛用于医学影像的全流程。

　　三聚阳光研究咨询团队在为某创新主体提供医学影像AI辅助诊断系统研发专利布局服务的过程中，通过分析AI辅助诊断的专利发展历程、技术发展线路，并绘制AI诊断重点企业的专利布局地图，找出AI诊断技术的未来发展趋势、热点技术及技术空白点，以此为基础，协助客户在AI诊断领域确定研究方向、提前规划专利布局和确立竞争优势。