运用人工智能技术识别及分析医疗影像，帮助医生定位病症分析病情，辅助做出诊断。这是属于目前较为典型的一个案例。
具体来说，人工分析的缺点很明显，第一是不精确，只能凭借经验去判断，很容易误判。第二是缺口大，放射科医师数量增长远不及影像数据增长。
医疗影像行业的人工智能实现流程大致为：影像数据的预处理—>样本清洗、打标签à模型搭建及训练调试à大规模数据的训练、验证得到深度学习网络模型，以上流程为人工智能的线下训练过程，最终输出为深度学习模型。接着就可以用用生成的模型进行线上预测或辅助判断。
浪潮提供医疗影像端到端人工智能解决方案，如下图所示，实现如下三个功能。
（1） 样本数据预处理。医院各个检验科如CT，BT，CR等，把医疗影像数据从终端设备通过万兆/IB网络，传输到并行存储中，数据预处理CPU平台（多个双路CPU服务器NF5280M5组成的集群）从存储中读取数据，运行边缘检测分割、区域增长分割、种子算法等程序，获取目标数据，然后打标签形成训练样本库，存放到并行存储中。CPU程序的管理、调度、监控将由统一管理平台AIStation完成。
（2） 模型训练。模型训练GPU集群（配置单机8卡GPU服务器，如NF5288M5）将读取训练样本库数据从并行存储中，并加载CNN模型，运行深度学习框架，如TensorFlow，Caffe，Mxnet等对初始模型进行训练，经过对大量数据样本的学习训练生成最终模型。训练中涉及多个训练任务的提交，其资源管理、调度、监控将由统一管理平台AIStation完成。
（3） 模型应用。在医院医生科室将部署医生辅助诊断服务器P8000（台式服务器，配置多块P4或FPGA卡），训练好模型将被加载到P8000上。检验科发送影像到P8000上，P8000进行识别，快速实现智能化诊断。
