针对上述问题，西安盈谷祭出了第一个法宝——医真云，它可借助医技设备物联网技术 AMOL，将相关的医技设备及医疗服务过程都通过云的方式链接起来。如图一所示，医疗机构的影像中心、病理中心、超声中心等处的设备都能通过医真云聚合到一起，在这之上，精准全医技工作及协同服务、区域医疗协同平台、临床影像科研平台、医真优医、医真社交等能力和应用得以建立，并以SaaS 云的方式来满足各层级医疗机构对医学影像数据处理能力的需求。

以精准全医技工作及协同系统为例，通过接入医真云，各级医疗机构都能获得多设备、海量数据的云存储功能，具备实时处理、高速分析的云计算能力，并实现跨终端、跨平台的一系列功能应用。利用医真云，来自大、中型医疗机构的医学影像专家，可以随时随地处理不同地区传来的影像数据，并对疑难杂症进行协同会诊，有效实现了医疗资源的高效共享。

“基于英特尔® 架构的医真云能够帮助患者、医生和医院间建立新的互惠关系。”西安盈谷网络黄烨东表示：“一方面，医生和患者之间将获得一条远程诊疗的通道；另一方面，医生与医生之间可以获取最新的医疗数据，实现经验分享；同时，医院之间能够更有效地加强沟通，进行协同会诊、联合医疗科研攻关等工作。”

医真云实现的医学影像数据互通和整合，让各医疗机构不仅可以规避过度检查、重复治疗等问题，还打破了数据孤岛现象，建立了无边界医疗全连接，提高医疗服务质量。通过数据的积累和分析，数据利用效率得到进一步提升，能够有效地对临床决策及医疗科研展开支撑。同时，数据上云，也让诊疗过程的质控得到了进一步提高。依托医真云，医疗机构能够轻松制定数据质量质控、报告内容质控、诊断结果质控、临床治疗质控、康复慢病跟踪等多种质控方法。

强力引擎为医学影像处理和分析赋能

数据上云，是西安盈谷打造医疗智能化辅助诊断系统的第一步。如何用好云上的大数据，才是接下来的重头戏。借助英特尔® 架构提供的强劲性能动力，西安盈谷开发出了医学影像处理及分析云计算@iMAGES 核心引擎，对存储在医真云上的医学影像数据实施高速实时计算处理。

在西安盈谷看来，影像是计算出来的，而不是“传输”出来的。利用最新一代英特尔® 至强® 可扩展处理器输出的更高并发计算能力，@iMAGES 核心引擎可以快速地对远端传来的影像数据进行多维度重建。

以现在常见的正电子发射计算机断层显像（Positron Emission Tomography CT , PET-CT）检查为例，这一检查是由PET扫描仪提供患者详尽的功能与代谢等信息，同时由CT机提供患者的精确解剖定位，可用于各类疾病的早期发现和诊断。由于 PET-CT 检查实际上是将两种检查合二为一，因此 PET-CT 影像融合能力就会对检查结果产生至关重要的影响。

图二：云端 PET-CT 融合

如图二所示，结合英特尔® 架构平台提供的强劲算力，@iMAGES 核心引擎提供了基于云端的出色 PET-CT 融合能力，不仅能够提供基于形态学和功能的“热力图”，还可以对影像做出半定量化的标准化摄取值（Standard Uptake Value, SUV）分析，用于后续对肿瘤等疾病的鉴别和定量分析。

在其他医学影像计算处理上，@iMAGES 核心引擎也展现了强大的处理能力，例如在功能性磁共振成像（Functional Magnetic Resonance Imaging, fMRI）检查中，该引擎可以快速地执行弥散、灌注、神经束成像等功能；而进行心脏血管成像检查时，它也具备了冠脉分割、冠脉中轴线、冠脉及斑块定量化分析等功能。

人工智能为医疗诊断提供最强“大脑”

为了让智能化辅助诊断系统能够真正帮助医疗机构提升诊疗能力，西安盈谷与英特尔一起，基于医真云、@iMAGES 核心引擎所汇集、处理的海量数据，以全新的 Cloud IDT 服务实现了人工智能辅助医学诊疗的创新，并取得了实实在在的进展。

以肺癌为例，它在早期常表现为无症状、易被忽视的肺结节。肺结节的早期确认（良性或恶性）能有效降低肺癌的死亡率。由于微小的肺结节往往难以被人眼及时、准确地发现，因此肺癌一旦确诊，往往已是中晚期，使得患者失去了最佳治疗的窗口期。

而今，在 Cloud IDT 服务的辅助下，低剂量 CT 肺小结节智能化辅助诊断定量的监测敏感度（探测率）已达到 95%，筛查时间也由人工方式所需的 10 多分钟缩短到6秒以内1。通过人工智能识别出肺结节后，再交由医生执行进一步的诊断，使得诊断效率和精准度大幅提升。而医真云上聚集的海量数据，也让人工智能检测模型得以获得大量的训练样本，进而不断提升检测能力。

图三：西安盈谷的人工智能医学图谱

在西安盈谷的计划中，智能化辅助诊断系统在未来将针对人体的各个生理系统，具备数百种人工智能检测模型。目前，其人工智能医学图谱初稿中就已定义了约 984 种疾病与医学检测数据的关联关系1。同时，该系统还基于自然语言处理（Natural Language Processing, NLP）能力，创建了报告智能助手这一功能，可协助医生更加高效地撰写高质量检查报告。

英特尔先进技术为智能系统注入源动力

作为西安盈谷的深度合作伙伴，英特尔向智能化辅助诊断系统提供了全方位的技术助力，不仅输出了全新的英特尔® 至强® 可扩展处理器，还协助完成了其 Cloud IDT 人工智能服务向英特尔平台的迁移，以及对人工智能技术框架的优化。

作为英特尔最新一代处理器产品，英特尔® 至强® 可扩展处理器不仅拥有强大的通用计算能力，还为智能化辅助诊断系统提供了其亟需的并行计算能力。系统中涉及的大量影像处理、人工智能处理，都对并行计算能力有严苛要求，而至强® 可扩展处理器集成的英特尔® 高级矢量扩展 512（英特尔® AVX-512），正是增强单指令多数据流（Single Instruction Multiple Data，SIMD）执行效率的关键技术。

英特尔® 至强® 可扩展处理器对通用计算能力和并行计算能力的兼顾，非常有助于系统应用负载的整合。据测试，在处理能力上，两台基于该处理器的服务器所支撑的虚拟机数据量，可以达到原先平台的 2.5 倍，这可大大降低用户的总拥有成本（Total Cost of Ownership, TCO）2。“原先我们的系统，渲染用一种 GPU板卡，人工智能计算用另一种 GPU 板卡，业务处理则用通用处理器，成本很高且维护复杂。现在，只需部署英特尔® 至强® 可扩展处理器就可全部搞定。”黄烨东表示：“因此，我们正计划将原先部署在不同硬件平台上的任务全部迁移到英特尔® 架构平台上。”

在出色的硬件性能之上，英特尔对于 Caffe*、Tensorflow* 等人工智能框架的优化，也进一步提升了西安盈谷智能化辅助诊断系统的功效。以针对英特尔技术优化的RFCN模型为例，模型优化裁剪融合带来了近 30% 的性能提升，而进一步优化 OpenMP* 多线程实现方案后，其性能还能再提升 40%-50%2。

此外，面向深度神经网络的英特尔® 数学核心函数库（英特尔® MKLDNN）的加入，也帮助该系统向全面人工智能化迈出了更加坚实的一步。这一工具主要通过以下三个方面来提升人工智能模型的性能：

●  使用 Cache Blocking* 技术优化数据缓存，提高数据命中率。

●  对神经网络中的常用算子进行并行化与向量化优化。

●  使用 Winograd* 算法级优化。

英特尔这些软、硬件技术的配合和调优，让西安盈谷智能化辅助诊断系统具备了更为理想的性能表现，并赢得了用户的一致好评——有来自一线部署的测试数据表明：以单幅胸部 Dicom 数据执行 RFCN 模型为例，使用英特尔® 至强® 金牌 6148 处理器时，可比使用主流 GPU 的耗时降低 10%2。

图四：单幅胸部Dicom数据执行RFCN模型处理延时比较

结语

基于英特尔领先的人工智能基础设施产品和技术，并融合了西安盈谷创新云计算、医学影像处理和分析，以及人工智能技术的智能化辅助诊断系统目前已进入实战阶段，它已接入千余家各类医疗机构，在医疗协同工作、医学影像数据实时计算展现、医学视觉类数据人工智能研究等多个方面都取得了突破，在各个医疗机构的实际部署和实施中都获得了良好的反馈。

在此基础上，西安盈谷与英特尔还将继续深入合作，计划在未来将更多、更先进的英特尔产品技术与医疗信息化进程结合起来，在协同医学研究、医学大数据分析、医疗健康管理、疾病监测、成像分析等领域积极部署人工智能解决方案，以进一步推动精准医疗和智慧医疗的发展。