隨著AI算法的高速發展，醫學影像AI診斷技術已經實現了前所未有的飛躍，能夠極大地提高醫生工作效率及診斷準確率，同時有助于提升基層醫院及醫療資源欠缺地區的診斷效率。醫學影像AI輔助診斷是未來醫療診斷自動化的發展趨勢，目前已經有很多研究機構和公司在積極開展醫學影像AI輔助診斷的技術的研究。

　　醫學影像AI輔助診斷的應用一般分三步進行：一是醫學影像資料的處理過程，目的是把所有特征的醫學影像檢查結果和一些臨床表現、體征等資料提取出來；二是圖像特征的提取過程，目的是用計算機對病人數據進行特征提取并量化處理；三是數據處理過程，即將第二步獲得的數據資料輸入神經網絡等各種智能算法中實現AI診斷。以人工智能診斷肺栓塞為例，診斷過程大致分為圖像預處理、肺血管分割、動靜脈分離以及檢測肺栓塞(包括特征提取與分類)，更進一步將包括栓塞嚴重程度量化與3D栓塞影像仿真。智能診斷過程中涉及的技術難點包括肺血管的分割、動靜脈分離、肺栓塞的特征提取、疾病分類等。

　　如何高精度、高效率的實現圖像分割、特征提取、病灶識別等是醫學影像AI輔助診斷的核心技術，目前的研究集中在以卷積神經網絡（Convolutional Neural Network, CNN）為代表的深度學習算法上。卷積神經網絡最擅長的就是圖片的處理，它能夠有效的將大數據量的圖片降維成小數據量，能夠有效的保留圖片特征，符合圖片處理的原則，故而可廣泛用于醫學影像的全流程。

　　三聚陽光研究咨詢團隊在為某創新主體提供醫學影像AI輔助診斷系統研發專利布局服務的過程中，通過分析AI輔助診斷的專利發展歷程、技術發展線路，并繪制AI診斷重點企業的專利布局地圖，找出AI診斷技術的未來發展趨勢、熱點技術及技術空白點，以此為基礎，協助客戶在AI診斷領域確定研究方向、提前規劃專利布局和確立競爭優勢。