XM-517D病理肺模型   XM-517D病理肺模型（肺部病变模型）显示由微生物感染引起的肺系统疾病（肺脓肿、肺炎和结核），在模型的表面是黑色显示吸烟的可见的影响，肿瘤也显示出优良的细节。 尺寸：2/3自然大，19×11×11cm 材质：PVC材料

东北大学医学影像智能计算教育部重点实验室团队研发的肺部精准诊疗医学影像AI-VR 辅助诊疗系统适用于肺部医疗、肺部手术术前规划、术中导航、教学、肺部CT图像分割等医学临床领域。传统的肺部医疗诊断中，主要是通过观察肺部二维切片图像去发现病原体，往往只能靠医生的经验来判断，而具体病灶何在、几何形状、大小及周围生物组织，是无法通过二维图像去观察，其术前分析与方案设计是借助二维肺部CT影像或计算机成像来观察判断，缺乏沉浸感、立体感和交互性。基于虚拟现实技术并结合实验室的技术与数据储备优势，开发了一套基于VR的AI肺部辅助手术系统，致力于肺部三维重建，为医疗人员更好地解决了医生面对大型手术准备不足的问题。

本项目旨在开发出国际领先的仪器设备，实现基于激光超极化惰性气体的MRI肺部疾病诊断需要的新材料、新技术、新设备和新方法，研制既适合低场永磁MRI也适合高场超导MR的肺部成像的关键部件。该技术在获取肺部疾病的信息的同时具有无创性、无射线辐射、精准诊断、早期诊断等优点，在新一代信息技术肺部疾病的诊疗中有非常重要的应用价值。

按照《新型冠状病毒肺炎诊疗方案（试行第五版修正版）》，湖北省增加了“临床诊断病例”分类，对疑似病例具有肺炎影像学特征者，确定为临床诊断病例，以便患者能及早按照确诊病例相关要求接受规范治疗，进一步提高救治成功率。因此，对患者的影像学分析在确定“临床诊断病例”上就具有极为重要的意义。 根据国家指南这一重要变化，西安交通大学第一附属医院影像学郭佑民团队，在前期承担国家卫健委重大行业专项《基于“数字肺”的呼吸系统疾病评价体系与诊断标准研究》基础上，针对新冠肺炎肺部影像学特点与医学成像技术公司合作，第一时间研发了新冠肺炎肺部感染辅助诊断系统，实现了对新冠肺炎感染者肺内病变部位快速检出、定量评价病变范围和病变演变过程评估 CT扫描是新冠肺炎诊断的重要环节，已成为确定“临床诊断病例”的重要标准。但是在影像诊断过程中，每位患者的CT检查多达几百幅甚至上千幅图像，单靠影像诊断医师从庞杂的图像特征中筛选出新冠肺炎所具有的特征，不仅要求医师具备肺炎诊断与鉴别诊断的经验，还需要相当的观察时间，严重影响病例筛查的效率。 同一患者3次检查结果对比，红色区域为病变，相比较病变体积逐渐缩小，提示病情好转。  同一患者3次检查结果对比，红色区域范围增大，数目增多，提示病变进展，同时还能观测到病变密度的变化。  图为同一患者4次检查结果对比，图中红色区域体积逐渐增大，提示病情进展。 郭佑民教授团队利用AI技术为新冠肺炎的影像诊断“赋能”。依托专家训练，人工智能结合传统的计算机视觉技术，对新冠肺炎患者肺部病变区域进行分割、计算，可以同时获取病变区域的体积、密度、磨玻璃成分等定量参数，尤其是对于患者随访的数据，可以实时进行图相配准，精准定位病灶位置、大小，方便比较病变的消长。  通过临床试验发现，该系统能够辅助临床医生对新冠肺炎进行快速诊断，并能提供智能诊断报告，适应阻断疫情扩散蔓延的公共卫生紧急应对要求，具有很好的临床应用效果。该系统已在包括华中科技大学协和医院等多家医院部署，为了鼎力支持抗“疫”一线，新冠肺炎辅助诊断系统将开放全国同行免费使用。

四川大学华西医院2020年3月13日对“肺部多病变CT影像AI筛查与辅助诊断系统”进行测试，该系统能迅速高效地对患者胸部CT影像做出分析，发现具有“肺结节、肺癌、结核、病毒性肺炎、细菌性肺炎”等病症的影像特征。 该技术依托于“疾病流行病学大数据研究平台”，在华西生物医学大数据中心的牵头下，汇聚近20家医疗机构的医学研究支持，基于人工智能深度学习技术，数据来自临床确诊病例，数据的遴选、标注由华西医院放射科影像专家完成。技术研发到测试用时不到30天。CT影像是临床诊断包括新冠肺炎在内的肺部病变的重要依据，但一名患者的肺部CT影像数量在500张左右，导致医生诊断过程中工作量很大。 查看原文

已有样品/n武汉物理与数学研究所研制的肺部磁共振成像仪器不仅能对肺部结构进行成像，而且能提供肺部气体交换的功能信息，从而可以用于病灶早期研究和诊断分析，该肺部气体交换功能信息是目前所有其他影像学方法都无法提供的。该肺部磁共振成像仪器系统由超极化气体装置和—套多核多通道MRI系统组成，并包括相应的数据处理和图像重建技术