一台CT机正在低声运转，显示屏上的肺部影像逐渐清晰——没有噪点干扰，不见伪影重叠，病灶特征一目了然。 而完成这次高质量成像所用的训练数据量，仅为传统方法的大约十分之一。

在医疗AI领域，数据匮乏与计算资源限制一直是技术落地的巨大障碍。这样的困扰，如今正被美的中央研究院的年轻科学家们用一种新颖的AI路径破解。

能否让AI学会用更少的数据实现更高的成像质量？美的的多元化业务是如何实现技术迁移，从而探索出一条独具特色的创新发展路径？正值美的集团科技月之际，美的中央研究院智能影像负责人郭红宇博士以及美的中央研究院智能计算影像中级研究员周宇博士向南都N视频记者揭秘了研发成果背后的探索路径与幕后故事。

医疗影像分析中，噪声大、伪影重是长期困扰医生诊断的痛点。传统的AI解决方案严重依赖大量高质量数据，但在医疗领域，获取足量标注数据却异常困难。

“医疗影像处理面临着一个巨大挑战：既要消除图像中的复杂噪声和伪影，又必须确保不丢失任何有价值的影像细节。”周宇深入分析道，“任何细微的误删都可能影响最终的诊断结果，这在临床应用中是不被允许的。”

面对这一难题，研究团队创新性地从数据端和模型端双管齐下。在数据端，依托美的医疗平台获取真实的医疗数据，这些数据涵盖了真实噪声分布和伪影形态；在模型端，通过优化模型结构设计，提升整个模型的特征提取和学习能力。

周宇进一步解释：“在对图像去噪时，我们发现有些噪点形态复杂，而一些微小病灶或组织结构的影像特征与噪声颇为相似。如果模型的学习能力不足，可能在去噪过程中误删这些关键信息。”由此，研究团队建立了一套严格的数据与模型质量控制体系，用以确保去噪过程的准确性。

实际上，近年来，包括GE、飞利浦、西门子和联影在内的行业头部企业都在探索用AI方法解决图像噪声和伪影问题。然而，传统的数据驱动解决方案存在明显局限。“传统的数据驱动解决方案需要采集大量数据，且泛化性较差。”周宇指出，“当设备发生切换时，原本表现良好的模型可能出现效果显著下降的情况。”

以MR图像为例，其涉及多对比度、多序列，不同序列的图像表征差异显著。如果针对每种模态都需搜集海量数据，将大大拉长研发周期，推高数据搜集成本。

面对这一行业的共性难题，美的中央研究院提出了创新的“通用模型+小样本学习”AI去噪技术，以及“数据+模型双驱动”的影像增强技术。

“我们不再完全依赖真实数据采集，而是通过对伪影产生过程进行数学建模，在数据不足的情况下让AI理解伪影产生机制，有效识别并消除它。”周宇介绍。这种方法大幅降低了对数据量和计算资源的需求，以更低的成本，实现了更高清的医疗成像。

作为美的医疗AI中心总负责人，郭红宇看到了AI技术更广阔的应用前景。“我们将AI技术更深入地运用到医疗成像的全影像链上，从数据采集一直到辅助医生诊断，实现全面智能化。”

郭红宇强调，美的独特优势在于能够将AI技术嵌入到整个医疗影像工作流程中，而不仅仅是单一环节的优化，而是提供综合性的解决方案。从扫描前的自动摆位和定位，到扫描过程中的噪声抑制，伪影消除，再到后期的影像分析和诊断辅助，AI技术正在全流程提升医疗影像的价值。

在实际应用层面，美的的AI解决方案已获得北京积水潭医院等知名医院的积极反馈。

郭红宇举例说明，“在扫描前的摆位和定位环节，我们借助计算机视觉和AI技术实现了自动化操作。这一创新大大提高了工作效率，显著提升了医院的诊疗流通率”。

展望行业发展趋势，郭红宇认为，将AI技术运用于整个影像流程，实现完全智能化，将成为医疗AI企业下一个竞争焦点。“整个影像流程的智能化打通，从图像获取到诊断支持，这将是未来竞争的关键所在。”

在差异化优势方面，郭红宇表示，美的依托集团多元化的技术积累，形成了独特的技术优势。“我们在视觉导航、传感技术等领域有着深厚积累，这些技术在家电和工业产品领域的成功经验，通过AI+传感技术、AI+视觉导航技术等创新叠加，为我们提供了显著的产品和技术优势。”

美的集团凭借其多元化的技术积累，正在医疗AI领域展现出独特的协同创新机制。通过跨领域的技术迁移，美的成功将家电领域的技术成果转化应用于高端医疗设备的研发，开创了一条独具特色的创新发展路径。

在家电领域积累的降噪除振技术，如今已成功应用于医疗影像设备。郭红宇分享道：“我们在家电领域去噪、去振动方面有很好的技术积累，这些技术被创新性地应用到磁共振设备上，研发出了静音磁共振。这一技术突破显著改善了患者的检查体验。”

此外，多个领域的技术都在医疗场景中找到了新的应用价值：

热管理技术应用到CT中做设备部件发热的管理，提高设备性能和稳定性。

传感技术和毫米波雷达技术用到核磁上做运动伪影的探测和生理信号监测，获得更高质量的图像。

谈及集团内多个领域的技术协同方面的路径以及秘诀，郭红宇在接受南都N视频记者采访时回应，“我所在的中央研究院，提供的主要是基础性技术、前沿性技术以及颠覆性技术的研究，这类技术同样可以赋能医疗影像设备”。

又是如何进行跨界，并且建立起快速的反应机制来推动研发创新？郭红宇进一步解释，面对医疗设备种类繁多、需求各异的挑战，美的中央研究院探索出了一条共性技术研发的创新路径。通过对不同领域问题的基础和底层机理分析，找到共通点。“我们通过共性技术的提炼，推出通用影像技术平台，构建基础模型，再结合各不同模态设备特有的小样本训练，有效解决了CT、核磁等设备提升图像信噪比的共性需求。"  

在研发机制上，则更多体现在双向协同。一方面，事业部提出具体需求，研发团队提供定制化解决方案；另一方面，研发团队主动将前沿技术推荐给业务部门，实现技术驱动的创新突破。

与传统医疗设备巨头相比，美的选择了一条差异化的技术路径。郭红宇分析指出：“传统厂商在硬件方面积累了深厚的技术专利，如果单纯仅仅依靠硬件技术的开发，开发周期较长，也面临非常多的技术壁垒。但我们寻求的技术路径是充分利用AI技术实现快速弯道超车。例如，低剂量AI重建技术一定程度降低了对球管性能的要求，从而降低了对硬件的强依赖，不仅突破了技术壁垒，更大幅缩短了产品研发周期。”

创新背后的生态体系建设也同样重要。郭红宇介绍，美的建立了公司级统一的算法平台和算力平台，为AI技术研发提供坚实基础。同时，美的高度重视人才引进，持续加强AI与医疗影像交叉领域的人才储备。

在医疗AI技术快速发展的当下，美的医疗正在积极布局下一代智能医疗系统。

郭红宇分析，当前AI技术在医疗应用将会更为深入，主要是聚焦在两大前沿方向。其一，推进AI技术在全影像链的深度应用。从数据采集到辅助诊断，AI技术将贯穿整个医疗影像流程，实现全面智能化。其二是医疗设备机器人化，将设备与机器人结合。“在这之中，医疗AI智能体技术被视为下一代医疗AI系统的核心突破点。”

在郭红宇看来，以前的模型更多是单一的、被动的调用执行，而智能体能够主动调用工具。智能体技术相对于以前的单个AI技术，更加协同、更加智能化，能够主动采取措施，调动工具。“这种智能体技术有望彻底改变医疗影像的工作流程，实现从被动调用到主动规划和执行的跨越，为医生提供更强大的辅助工具。”

他对此解释，“当设备扫描获得的图像上出现了明显的噪声和伪影，医疗智能体就会主动调用去噪模型或对应的去伪影方法进行降噪、减少伪影。过去，这需要医生选择处理方案，机器被动执行。而现在，智能体成了辅助医生的智能化助手”。

从家电的“静音”到医疗影像的“去噪”，美的这场跨界技术迁徙还在进行中。在CT、核磁、DR、血管造影系统等各类医疗设备上，这些创新AI技术正在落地生根。当前，在世界的舞台上，包括美的在内的中国企业正凭借其在AI与生态协同上的独特优势，开辟出一条跨界攻坚的创新路径。

采写：南都N视频记者 伍月明