加入收藏
| 文字：[ 大 中 小 ]
報告簡介
報告目錄
2017中國AI+醫(yī)學(xué)影像行業(yè)需求前瞻分析報告
正文目錄
1、“AI+醫(yī)學(xué)影像”需求迫切，數(shù)百億市場空間待掘金 4
1.1、分級診療和第三方影像中心建設(shè)驅(qū)動醫(yī)學(xué)影像需求釋放 5
1.1.1、分級診療打開基層醫(yī)學(xué)影像市場空間 5
1.1.2、第三方影像市場方興未艾，驅(qū)動醫(yī)學(xué)影像需求快速釋放 7
1.2、醫(yī)學(xué)影像診斷痛點(diǎn)頗多，“AI+醫(yī)學(xué)影像”有望破冰行業(yè)難點(diǎn) 9
1.2.1、醫(yī)學(xué)影像醫(yī)生缺口大，誤診率高、效率低，服務(wù)模式亟待創(chuàng)新 9
1.2.2、“AI+醫(yī)學(xué)影像”直指行業(yè)痛點(diǎn)，將逐步進(jìn)入快速發(fā)展階段 12
1.3、“AI+醫(yī)學(xué)影像”前景廣闊，百億市場待掘金 16
2、政策、技術(shù)雙重驅(qū)動，“AI+醫(yī)學(xué)影像”蓄勢待發(fā) 18
2.1、國家高度支持，具體產(chǎn)業(yè)扶植政策有望加速出臺 18
2.2、算力算法快速迭代，“AI+醫(yī)療影像”期待大數(shù)據(jù)引爆 20
2.2.1、大量深度學(xué)習(xí)平臺和框架開源降低技術(shù)門檻 21
2.2.2、AI處理器技術(shù)向高性能、低功耗的方向發(fā)展 23
3、科技巨頭加速跑馬圈地，創(chuàng)業(yè)公司獲資本青睞 29
3.1、科技巨頭搶灘，加速布局“AI+醫(yī)學(xué)影像”市場 29
3.1.1、IBM Waston：AI+醫(yī)療的開路先鋒 30
3.1.2、谷歌：與多方合作，在多病種上均已取得較好突破 32
3.1.3、科大訊飛：人工智能龍頭開辟智慧醫(yī)療新戰(zhàn)場 33
3.2、創(chuàng)業(yè)公司受資本青睞，“AI+醫(yī)學(xué)影像”成投資新風(fēng)口 35
4、商業(yè)模式逐漸明晰，平臺分成與技術(shù)授權(quán)各具潛力 38
4.1、分成模式 39
4.2、技術(shù)解決方案。 39
5、主要公司分析 41
5.1、萬東醫(yī)療：影像設(shè)備龍頭，攜手阿里發(fā)力影像AI 41
5.2、科大訊飛：人工智能+醫(yī)學(xué)影像表現(xiàn)亮眼，“平臺+賽道”戰(zhàn)略成果顯現(xiàn) 46
5.3、東軟集團(tuán)：影像云平臺添彩醫(yī)療健康業(yè)務(wù)，汽車電子厚積薄發(fā)有望加速放量 47
6、風(fēng)險提示 48
圖表目錄
圖表 1：醫(yī)學(xué)影像行業(yè)產(chǎn)業(yè)鏈 5
圖表 2：各地政府基層醫(yī)療相關(guān)政策頒布數(shù)量 6
圖表 3：國內(nèi)分級診療體系 7
圖表 4：國內(nèi)主要第三方醫(yī)學(xué)影像中心 8
圖表 5：放射科醫(yī)生數(shù)量增長遠(yuǎn)不及醫(yī)學(xué)影像數(shù)據(jù)增長 9
圖表 6：與美國比較，病理科醫(yī)生存在較大的缺口 9
圖表 7：醫(yī)學(xué)影像領(lǐng)域的患者痛點(diǎn)與醫(yī)生痛點(diǎn) 10
圖表 8：我國醫(yī)學(xué)影像建設(shè)水平仍落后美國 11
圖表 9：中國影像誤診人數(shù)遠(yuǎn)高于美國 11
圖表 10：借助圖像識別和深度學(xué)習(xí)，影像診斷效果顯著提升 12
圖表 11：人工智能參與醫(yī)學(xué)影像診斷的方式 13
圖表 12：人工智能在醫(yī)學(xué)影像三大應(yīng)用場景下的參與企業(yè) 13
圖表 13：人工智能與醫(yī)學(xué)影像結(jié)合能大幅降低誤診、漏診率 14
圖表 14：人工閱片與 AI 閱片 14
圖表 15：患者、醫(yī)師和醫(yī)院均將受益于“AI+醫(yī)學(xué)影像” 15
圖表 16：“AI+醫(yī)學(xué)影像”不斷實現(xiàn)突破 15
圖表 17：2009-2018年美國醫(yī)療影像診斷市場規(guī)模 16
圖表 18：國家政策助力醫(yī)學(xué)影像行業(yè)發(fā)展 18
圖表 19：國家對醫(yī)療領(lǐng)域提出人工智能發(fā)展要求 19
圖表 20：人工智能+醫(yī)療技術(shù)成熟度分布 20
圖表 21：深度學(xué)習(xí)是人工智能技術(shù)的歷史性突破 21
圖表 22：2010-2015年ImageNet ILSVRC大賽冠軍團(tuán)隊識別分類的錯誤率 22
圖表 23：大量深度學(xué)習(xí)平臺和框架開源降低技術(shù)門檻 23
圖表 24：FPGA硬件架構(gòu) 24
圖表 25：CPU和GPU呈現(xiàn)出非常不同的架構(gòu) 24
圖表 26：TPU，GPU，CPU 和改進(jìn)的TPU的性能對比 24
圖表 27：FPGA與 GPU性能與功耗對比 26
圖表 28：全球醫(yī)療數(shù)據(jù)量2013年以來年增長率達(dá)48% 26
圖表 29：2020年人類醫(yī)療數(shù)據(jù)總量預(yù)測（萬億GB） 27
圖表 30：我國醫(yī)療數(shù)據(jù)特征 27
圖表 31：科技巨頭在醫(yī)療人工智能領(lǐng)域的布局 29
圖表 32：IBMWatson輔助診療過程 31
圖表 33：IBM Waston 在“AI+醫(yī)學(xué)影像”領(lǐng)域的優(yōu)勢 32
圖表 34：谷歌利用人工智能更準(zhǔn)確地識別腫瘤 33
圖表 35：科大訊飛醫(yī)學(xué)影像輔助診斷系統(tǒng) 33
圖表 36：科大訊飛在LUNA評測中獲得第一并刷新世界紀(jì)錄 34
圖表 37：2012-2017年國內(nèi)醫(yī)療人工智能歷年融資情況（百萬元人民幣） 35
圖表 38：國內(nèi)醫(yī)療人工智能企業(yè)圖譜 35
圖表 39：部分醫(yī)學(xué)影像人工智能公司融資情況 36
圖表 40：部分“ AI+醫(yī)療影像”創(chuàng)業(yè)公司務(wù)情況 37
圖表 41：AI+醫(yī)學(xué)影像行業(yè)商業(yè)模式分析 38
圖表 42：代表公司的商業(yè)模式分析 40
圖表 43：我國各類醫(yī)療機(jī)構(gòu)數(shù)量（萬家） 40
圖表 44：公司影像設(shè)備產(chǎn)品業(yè)務(wù)線 41
圖表 45：萬里云平臺—打造一站式影像檢查和診斷服務(wù) 42
圖表 46：2015-2017年萬里云簽約醫(yī)生數(shù)量和日閱片量高速增長 44
圖表 47：萬里云平臺架構(gòu) 44
|
