该系统在不改变现有超声设备和医院工作流程的基础上，利用神经网络架构搜索方法(NAS)对超声信号进行实时智能分析，可以实现实时病灶检出，对病灶进行自动分割及良恶性分析。

超声是基层最常用的一种检查设备。相较于CT、X射线等检测方法，超声诊断具有实时扫查、无创、无辐射，价格较低等特点，并且可移动，扫查方式灵活。

2016年5月，卫计委印发《县医院医疗服务能力基本标准和推荐标准》，其中包括要求县级医院配置超声影像设备，基层医院的超声应用场景进一步拓宽。

尽管超声市场前景被看好，但是超声AI市场并没有迎来大爆发。目前，在国内做AI+超声的团队并不多，比较有代表性的是浙江大学的孔德兴教授团队。

超声AI产品为何少见？

医准智能首席AI官王子腾表示，乳腺超声AI产品主要有几大难点。

首先，超声的数据收集与标注困难。一次超声扫描需要十分钟以上，每秒约有30帧图像。因此，一次扫描就会产生2万帧图像，而训练一个精度较高的神经网络需要大量标注好的数据，“数据”就成为一大难关。

其次，不同于CT或者核磁，在超声的诊断过程中，医生需要AI实时给出结果，来帮助自己写报告，这就对产品的“鲁棒性”提出巨大挑战。

最后，与放射科不同的是，超声科最大的难点不在读片子，而是如何操作B超设备，拿到医生自己想要看到的图像。

医准智能CEO吕晨翀也补充到，目前市面上流行的算法模型，是基于二维的静态图像的AI检测技术。但是，对于三维实时动态视频的检测现在公开算法基本没有。

除此之外，因为超声的噪声大、对比度差，同时视频的帧数很多，因此就需要工程人员在设计算法时，考虑到信息提取的准确性，同时要保证模型不过于庞大，尽可能地保证产品在实际部署时的实用性。

作为应用于临床的系统，医准智能的乳腺超声智能检测系统有几个特点：

低延时。系统采用神经网络架构搜索方法(NAS)，使用RTX2080Ti。达到每秒处理速度超过50帧，且检测结果延迟小于0.09秒。

智能分割自动测量。可以对包含病灶所有信息的整段视频进行分析，利用病灶的各个截面信息，对病灶整体进行更加充分的属性分析，同时给出病灶最大截面以及长短径、面积等定量信息。