头痛就医,往往要拍脑CT
作为神经科常用的检查手段
CT可辅助发现大部分脑部疾病
39年前的今天
1983年7月19日
首个CT照射的人头像发表
此后CT技术不断发展
如今已成为脑外伤领域
最重要的影像学诊断方法
以前了解病人病情时,中医有“望闻问切”,西医有“视触叩听”,但病患身体内部情况如何,仅靠皮外检查及患者自述难以获得准确信息,通过手术等器械介入又有较大风险,病因诊断一直是件比较棘手的事。
直到1895年,德国物理学家伦琴发现「X射线」,为其夫人拍下第一张X光片,为医疗影像诊断提供了物理基础。
1917年,奥地利数学家J.H.Radon用数学原理证实了可通过物体的投影集合来重建其图像;1963年美国物理学家Allan MacLeod Cormack发展了计算机层析X射线摄影法,二者奠定了CT的数学基础。
1971年,英国电机工程师Godfrey Hounsfield成功研制出计算机层析X射线扫描仪,第一台可供临床应用的CT设备于在伦敦Atkinson-Morley医院安装完成。
此后几十年,CT技术得到迅猛发展,扫描模式不断迭代,在临床诊断得到广泛应用。
X射线的发现开启了医学影像学科先河后,CT之外,磁共振成像(MRI)、超音波造影、核子医学造影、正子断层扫描(PET)等多种检查工具也从无到有逐渐完善,共同构成了现代医学影像学的庞大江山。

医学图像越来越多了
医学影像可以在对患者伤害较小或无伤害的前提下,直观准确地反应患者内部结构,它既是疾病筛查和诊治最主要的信息来源,也是辅助临床疾病诊疗的重要手段。
随着医学成像的进步、更严格的数据保护法规以及对患者记录的集中访问需求的增加,非结构化医学影像数据正快速增长。相关报告显示,在目前的医学检测手段中,医学影像数据占据医疗信息总量的比例已达90%。
大多数医疗机构使用数字图像管理系统对医学图像进行存储与管理,但信息系统多由不同厂商分散建设,导致孤岛林立,数据管理变得困难和低效,部门之间、医院之间的业务协同与资源共享难度较大。
此外,现行的医学影像管理大多停留在存储归档、查询调用等阶段,对于携带大量丰富信息的医学影像本身缺乏深度挖掘与利用,临床工作者也很难从以往珍贵的患者影像数据中发现疾病的发展趋势和其中隐含的规律,这些都导致了极大的资源浪费。
医学图像管理利器
随着医学图像的密度和体积以指数级速度增长,医疗保健机构需要一个面向未来的解决方案,以高性能、高可用性、大规模可伸缩性和卓越的数据保护满足现代医疗保健应用程序的需求。
这方面,戴尔PowerScale横向扩展网络附加存储(NAS)提供了一个可靠、高性能和低成本的存储扩展平台,支持将医学影像整合到单个存储集群,包括PACS(图片存档和通信系统)、基于会诊的图像、VNA(供应商中立存档)和当前的数字病理系统。
01
轻松管理非结构化数据
「PowerScale OneFS」操作系统创建了一个在PowerScale存储集群上运行的智能分布式文件系统,为用户提供了管理单一NAS系统的简便性,并可轻松扩展性到PB级。借助OneFS单一存储池,医疗保健机构可以消除多个卷或共享的操作,并管理其存储,而不会面临停机和不灵活的卷大小限制的风险。

对于管理不同信息系统的医疗保健机构,PowerScale提供了在单个存储解决方案中创建和分配多个存储池和网络连接的能力。每个医疗解决方案都可以分配自己的存储池,借助PowerScale自动分层无需手动流程即可实现数据移动的功能,组织可以获得最佳的灵活性和成本节约。
此外,PowerScale还支持静态数据加密、自加密驱动器(SEDs)和SMB增强加密,可满足医疗机数据的安全需求。
02
推进医疗数据协同
「PowerScale」可整合所有医疗数据简化存储基础架构,从而消除存储孤岛并提高运营效率,其高级功能可为所有环境提供广泛的连接选项。
无论在边缘、数据中心或云端,通过多协议数据访问,PowerScale允许医疗保健机构在任何地方存储任何非结构化数据,组织可以运行各种应用程序和工作负载,以灵活满足业务需求。

PowerScale由英特尔®至强®处理器提供支持,该处理器采用软件定义的基础设施和敏捷云架构,为PowerScale提供了卓越的性能和效率,可加速要求严苛的文件工作负载,使企业发挥数据资本的价值,加速业务的数字转型。
03
人工智能加速医疗洞察
通过与Pivotal、Cloudcra、Hortonworks和Splunk等领先供应商无缝集成的就地分析释放数据的力量,推动人工智能、机器学习或深度学习中的工作负载。
探寻医疗图像深层规律的过程漫长而复杂,人工智能可以帮助自动化许多人工耗时的步骤、加快医学影像分析速度,这方面戴尔科技提供全面的高性能计算(HPC)解决方案——包括搭载GPU和FPGA加速服务器,为医学图像洞察提供专用处理器和加速器,加快诊断和治疗时间。
目前,PowerScale卓越的医疗图像数据管理能力已经得到客户验证,在浙江大学医学院附属第一医院,PowerScale将PACS医学影像资料调用速度提升了9-15倍,医生诊疗效率大大提升。(点击跳转了解更多)

作为全球领先的医疗保健和生命科学解决基础设施解决方案提供商,戴尔科技积极拥抱数字化并利用数据帮助加速和改善医疗健康结果,目前已与世界多家优秀的医疗保健技术合作伙伴建立了长期且友好的关系。简化医疗IT运营,戴尔科技始终是您值得信赖的合作伙伴。

如果您想了解更多有关戴尔科技的产品和解决方案信息,请扫描以下二维码咨询戴尔官方客服。

好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。