醫學圖像是醫療診斷過程中極為重要的一部分，它能夠有效的輔助醫生提高診斷能力，成為病癥診斷、監測的重要影像佐證。依靠計算機X線攝影、
醫學圖像是醫療診斷過程中極為重要的一部分，它能夠有效的輔助醫生提高診斷能力，成為病癥診斷、監測的重要影像佐證。依靠計算機X線攝影、計算機X線斷層掃描、核磁共振、超聲、數字減影血管造影等技術，使得醫學圖像的類型多種多樣，產生了如正電子放射斷層造影術、乳房攝影術、醫學超聲波檢查、心血管造影和血管造影等具體醫療診斷影像。而在這其中，計算機X線斷層掃描(Computed Tomography，以下簡稱CT)和核磁共振成像(Magnetic Resonance Imaging，以下簡稱MRI)則是極為重要的存在。
CT和MRI的區別，如果不考慮檢查范圍、對人體的影響、影像拍攝時間等方面，僅僅從成像方式來說明，CT是X線束對人體橫斷面的掃描成像，總結來說，CT圖像是經過種種處理后的重建圖像;MRI是基于核磁共振現象的斷層成像的一種，利用核磁共振現象從人體中獲得電磁信號并重建出人體信息，兩者其實有很大的不同，不能互相替代也并無好賴之分。
發展中的CT與MRI
MATRIX與CT圖像
MATRIX AI醫療中的小細胞癌癥項目和骨折檢測都是以CT原始圖像為基礎，通過人工智能技術來完成一系列整理、分析、預測等操作。針對這兩個項目，MATRIX分別解決了增強CT圖像過大而難以分析的問題，研發系統在超大圖像(20000*20000)的情況下，能夠兼顧全局和微觀，實現對于小細胞癌癥進行鑒別，計算患癌面積并完成病灶勾勒;對已脫敏的原始CT圖像重建獲得三維圖像，通過高級形態學分辨人體骨骼，有效的提高對骨折類型診斷的準確率。
持續探索中的MRI
微軟與凱斯西儲大學通過量子計算和增強顯示技術直接將圖像連接到組織的定量特性，以此來改善核磁共振成像技術;Facebook則在早前與紐約大學醫學院合作，期望利用人工智能將核磁共振成像掃描的速度提高10倍。
之所以進行醫學圖像的升級，不光是因為醫學圖像在診斷中所具有的重要意義，更重要的是一張醫學圖像能夠在人工智能等技術的支持下，推動醫療領域發展和提升醫療水平。
加拿大科研人員利用核磁共振對腦部進行掃描，通過核磁共振的圖像與植物人建立溝通。
美國研究人員在MRI技術的支持下，經過100多小時的掃描，獲得了迄今為止最為詳細的人腦三維圖像，圖像的分辨率可以看清直徑小于0.1毫米的物體，堪稱史無前例。
那么，我們是否可以嘗試繼續探索這些完成診斷任務之后的醫學圖像的存在意義。
圖像是數據的另一種展現形式，而醫學圖像本身就是極具價值的高質量數據。人工智能的發展離不開數據的支持。在各種新型技術推動醫療領域不斷發展、突破的同時，醫學圖像也在推動人工智能、區塊鏈等技術探索新的可能。
不管是MATRIX的小細胞癌癥項目還是骨折檢測，或是在MATRIX 2.0中所提到的人工智能醫療平臺都離不開這些高質量的圖像數據，這些圖像可以有效地訓練AI模型，提升醫療診斷系統和人工智能醫療平臺的水平，從而能夠不斷提升診斷的準確度及可診斷疾病的類型。（馬先知）
