深度学习最开始被用于识别图像中的物体并因此而普及。这也是这项技术在医疗行业最早的用途之。目前在医疗影像领域，有几十个 Al 模型已经获得监管部门的批准，帮助智慧医院的放射科加快对 CT、MRI 和X 光数据的分析。

AI 可以对检查图像进行预筛，标记出需要放射科医生注意的区域。这可以节省医生的时间，让他们有更多的余力查看其他检查图像或向患者解释结果。该技术可以将脑出血等关键病例移到放射科医生工作清单的首位，进而缩短诊断和治疗危及生命的病例的时间。而且它还可以提高放射学影像的分辨率，使临床医生能够减少每个患者所需要的剂量。

领先的医疗影像公司和研究者正在使用 NVIDIA 的技术驱动可用于智慧医院环境的新一代应用。

西门子医疗 (Siemens Healthineers) 开发了基于深度学习的自动轮廓绘制解决方案，能够对放射治疗中的危险器官进行精准的轮廓绘制。

富士医疗使用 NVIDIA GPU 驱动其 Cardio stillshot 软件，该软件可在 CT 扫描期间生成精准的心脏影像。为了加快该软件的工作速度，该团队使用了包括 NVIDIA Optical Flow SDK 在内的软件来估计像素级运动，并使用 NVIDIA Nsight Compute 来优化性能。

NVIDIA 初创加速计划中的初创企业也在使用 A 推进医疗影像工作流程，例如上海联影智能的 uA平台可以为设备、医生和研究者提供功能齐全的 AI 应用，涵盖了影像、筛查、随访、诊断、治疗和评估领域。该公司的 uVision 智能扫描系统在 NVIDIA Jetson 边缘 AI 平台上运行。