說一說「影像後處理工作站」
說到醫療影像AI軟體，大家更多的是把它們歸類到人工智慧套用領域。這個沒毛病，但換個維度，醫療影像AI軟體在醫療領域，屬於醫療器械軟體，並且可以被具體歸類到「影像後處理軟體」細分類中。
影像後處理軟體，作為一個細分領域，在整個醫療影像軟體生態圈中，長期存在，由來已久。
在這個領域，存在著一批老牌廠商，各自擁有王牌主打產品。傳統上，這些產品大多采用單機工作站形式，大家習慣稱之為「影像後處理工作站」，或簡稱工作站。
在國內，普及度比較高的，有GE的AW、西門子的Syngo，以及飛利浦的星雲工作站等。這一類工作站，大多跟隨GPS的裝置配套銷售，與CT、MR裝置一起打包，進入醫院。
在國外，還有一些獨立（或曾經獨立）的「純」軟體廠商，依靠開發影像後處理工作站起家，其產品也很能打，得到國外很多醫院的認可。這方面的代表有TeraRecon，Vital（不過Vital很早就被收購了）等。
裝置一線大廠也好，獨立軟體廠商也罷，可以肯定的是，它們推出的影像後處理工作站產品，都非常優秀，幾乎可以說是放射科影像醫生，尤其是放射技師，不可或缺的工作助手，是絕對的剛需。
除了「優秀」，這些老牌工作站產品，還有一個共同特點，它們都整合了很多專科影像套用。每個套用後面，都有一系列的影像後處理演算法來支撐。同時，由於這些工作站軟體起步很早，都有至少十年以上的歷史，所以它們整合的演算法以2016年之前的傳統演算法為主，深度學習的演算法很少。當然，有些套用演算法也采用了神經網路或其他機器學習方法。
與AI新勢力同行的老牌廠商
鋪墊了這麽多，其實是因為，近來一直在想一個問題：在AI大潮之下，這些老牌影像工作站，有哪些新的發展或亮點？作為老牌廠商，它們如何與迅速崛起的AI新勢力對抗或合作？
本來差點想把本篇文章的題目也寫成，前浪回顧，或致敬前浪啥的。但終究覺得，太網紅了，不合適。咱還是起個樸實無華的題目吧。
後續，也會在「影像後處理工作站」這個大題目下，與大家做一些持續的分享。分享的內容會比較簡短，都是一些比較「膚淺」，沒有深度的內容，所以在分享之前加上了「點滴」二字。
好了，開始今天具體要聊的題目：「肺部CT密度分析「。
Vitrea——CT Lung Density Analysis
在這次新冠肺炎疫情期間，很多AI公司都火速研發了相關的AI產品，參與支援抗疫。偶然的機會，註意到作為老牌廠商，Vital公司也有相應的抗疫支援行動。
只是Vital並沒有推出新的產品，而是把之前推出的CT Lung Density Analysis模組，向各大醫院開放，免費使用90天。這裏說明一下，Vital一家專門做醫療影像後處理軟體的公司，之前被東芝醫療收購，後來隨著東芝被佳能收購，現在成為了佳能醫療的一部份。咱們這裏不管這些商業的收購，重點看產品功能。
一圖勝千言，動圖頂萬言？先來看圖。下面的動圖就是來自於Vitrea的CT Lung Density模組。
動圖中的文字，概括了功能重點：透過不同的渲染顏色，來區分顯示肺部組織的不同密度。圖片來自於一名新冠肺炎患者。圖中，藍色區域對應高密度組織，也就是病變組織；黃色區域對應正常組織。
下方的圖片中，將解剖標本圖片與渲染效果圖進行了對比，可以幫助大家更好理解。
.css-19xugg7{position:absolute;width:100%;bottom:0;background-image:linear-gradient(to bottom,transparent,#ffffff 50px);}
< style data-emotion-css="12cv0pi">
.css-12cv0pi{box-sizing:border-box;margin:0;min-width:0;height:100px;-webkit-box-pack:center;-webkit-justify-content:center;-ms-flex-pack:center;justify-content:center;display:-webkit-box;display:-webkit-flex;display:-ms-flexbox;display:flex;position:absolute;width:100%;bottom:0;background-image:linear-gradient(to bottom,transparent,#ffffff 50px);}
