阿里達摩院機器智能實驗室有關冠狀動脈中心線提取的論文被國際頂級醫(yī)學影像會議MICCAI 2019提前接收。阿里在醫(yī)療AI領域再次取得新進展，繼創(chuàng)下肺結節(jié)檢測、肝結節(jié)診斷技術的重大突破后，又攻克了難度系數(shù)更高的心血管識別技術。

從CTA影像中準確提取心臟冠脈中心線是冠心病診斷的必備條件，也是診斷流程中耗時最多的一環(huán)。心臟冠脈幾何特性復雜、血管特別細小，容易受到形態(tài)相似的靜脈血管的干擾。如果出現(xiàn)血管阻塞，還有可能無法提取整根血管。

傳統(tǒng)的心臟冠脈中心線提取方法大多存在人工交互多、耗時長等缺點。阿里巴巴提出了判別式冠脈追蹤模型。這一模型由三維卷積神經(jīng)網(wǎng)絡構成,充分利用三維空間特征，可從影像中迭代搜索完整血管，且正確區(qū)分冠脈與靜脈。

在學習了數(shù)十萬個訓練樣本后，阿里AI無需人工交互，僅用0.5秒就能提取單根冠脈血管，提取完整冠脈樹用時不超過20秒，相比傳統(tǒng)方法效率提升近百倍。傳統(tǒng)算法需要處理整個影像，阿里AI則能自動忽略冗余信息，大大提高效率。

阿里AI在0.5秒內全自動提取的單根心臟冠脈，醫(yī)生可從重建的影像上快速發(fā)現(xiàn)病灶。右上為血管上的軟斑塊，右下為鈣化斑塊。心血管疾病是世界上致死率最高的人類疾病。心血管疾病診斷的復雜性，導致AI醫(yī)學影像識別在該領域應用極少。阿里AI能幫醫(yī)生提升診療效率，提高冠心病接診量。AI輔助醫(yī)生進行心血管疾病診斷的未來近在咫尺。

近年來，阿里達摩院視覺計算團隊在醫(yī)療AI領域屢有重大突破。2017年，阿里AI打破了國際AI檢測肺結節(jié)準確度的世界紀錄，這項技術已累計讓近1000萬體檢客戶受益。2018年，阿里AI診斷肝結節(jié)技術獲兩項世界第一，目前正繼續(xù)研究能否判斷肝癌。