说一说「影像后处理工作站」
说到医疗影像AI软件，大家更多的是把它们归类到人工智能应用领域。这个没毛病，但换个维度，医疗影像AI软件在医疗领域，属于医疗器械软件，并且可以被具体归类到「影像后处理软件」细分类中。
影像后处理软件，作为一个细分领域，在整个医疗影像软件生态圈中，长期存在，由来已久。
在这个领域，存在着一批老牌厂商，各自拥有王牌主打产品。传统上，这些产品大多采用单机工作站形式，大家习惯称之为「影像后处理工作站」，或简称工作站。
在国内，普及度比较高的，有GE的AW、西门子的Syngo，以及飞利浦的星云工作站等。这一类工作站，大多跟随GPS的设备配套销售，与CT、MR设备一起打包，进入医院。
在国外，还有一些独立（或曾经独立）的「纯」软件厂商，依靠开发影像后处理工作站起家，其产品也很能打，得到国外很多医院的认可。这方面的代表有TeraRecon，Vital（不过Vital很早就被收购了）等。
设备一线大厂也好，独立软件厂商也罢，可以肯定的是，它们推出的影像后处理工作站产品，都非常优秀，几乎可以说是放射科影像医生，尤其是放射技师，不可或缺的工作助手，是绝对的刚需。
除了「优秀」，这些老牌工作站产品，还有一个共同特点，它们都集成了很多专科影像应用。每个应用后面，都有一系列的图像后处理算法来支撑。同时，由于这些工作站软件起步很早，都有至少十年以上的历史，所以它们集成的算法以2016年之前的传统算法为主，深度学习的算法很少。当然，有些应用算法也采用了神经网络或其他机器学习方法。
与AI新势力同行的老牌厂商
铺垫了这么多，其实是因为，近来一直在想一个问题：在AI大潮之下，这些老牌影像工作站，有哪些新的发展或亮点？作为老牌厂商，它们如何与迅速崛起的AI新势力对抗或合作？
本来差点想把本篇文章的题目也写成，前浪回顾，或致敬前浪啥的。但终究觉得，太网红了，不合适。咱还是起个朴实无华的题目吧。
后续，也会在「影像后处理工作站」这个大题目下，与大家做一些持续的分享。分享的内容会比较简短，都是一些比较「肤浅」，没有深度的内容，所以在分享之前加上了「点滴」二字。
好了，开始今天具体要聊的题目：「肺部CT密度分析「。
Vitrea——CT Lung Density Analysis
在这次新冠肺炎疫情期间，很多AI公司都火速研发了相关的AI产品，参与支援抗疫。偶然的机会，注意到作为老牌厂商，Vital公司也有相应的抗疫支援行动。
只是Vital并没有推出新的产品，而是把之前推出的CT Lung Density Analysis模块，向各大医院开放，免费使用90天。这里说明一下，Vital一家专门做医疗影像后处理软件的公司，之前被东芝医疗收购，后来随着东芝被佳能收购，现在成为了佳能医疗的一部分。咱们这里不管这些商业的收购，重点看产品功能。
一图胜千言，动图顶万言？先来看图。下面的动图就是来自于Vitrea的CT Lung Density模块。
动图中的文字，概括了功能重点：通过不同的渲染颜色，来区分显示肺部组织的不同密度。图片来自于一名新冠肺炎患者。图中，蓝色区域对应高密度组织，也就是病变组织；黄色区域对应正常组织。
下方的图片中，将解剖标本图片与渲染效果图进行了对比，可以帮助大家更好理解。
.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);}
