發(fā)布日期：2017-09-12
王平安（左）與研究團隊成功應用人工智能影像識別技術，提升肺癌及乳腺癌的影像診斷準確度。 針對肺癌及乳腺癌 最快 30 秒完成識別 肺癌及乳腺癌為香港常見的高危頑疾，為提升臨床診斷效率，香港中文大學工程學院研究團隊運用人工智能影像識別技術，通過深度學習系統(tǒng)判讀電腦斷層掃描及病理組織切片等醫(yī)學影像，以研究該兩類癌癥，結果顯示，利用該技術判讀的癌癥醫(yī)學影像，準確率分別高達 91% 及 99%，識別過程亦加快至 30 秒至 5 分鐘，更降低了誤診率。團隊將與本地公營醫(yī)院合作，期望技術最快可在未來一兩年后廣泛應用。 肺癌是香港頭號致命癌癥，每年有數(shù)千宗新增病例。肺癌早期多以肺小結節(jié)（small pulmonary nodule）的形式出現(xiàn)，病人的肺部影像會出現(xiàn)細小團狀陰影。目前醫(yī)生主要透過胸腔電腦斷層掃描（CT）圖像檢查，了解病人肺部是否有肺小結節(jié)。 肉眼要看五分鐘 不過，每次檢查可產(chǎn)生多達數(shù)百張 CT 圖像，一般情況下，若逐張以肉眼觀察，每幅花 3 秒，耗時至少 5 分鐘，會耗費大量時間和精力，準確度也會因為醫(yī)生的經(jīng)驗及精神狀態(tài)而存在差異。 中大計算機科學與工程學系教授王平安及其團隊，于 5 年前展開相關實驗。他們采用人工智能深度學習技術（Deep Learning）判讀 CT 掃描圖像，只需 30 秒就能自動識別出可能出現(xiàn)肺小結節(jié)的位置，準確度高達 91%。 王平安解釋，深度學習是指電腦模仿人的大腦，根據(jù)所收集的數(shù)據(jù)，按醫(yī)生的指示及示范，進行數(shù)據(jù)分析，并且多次重復的學習及修改，可提升系統(tǒng)準確度。 預計一兩年內得到廣泛應用 他相信該技術將于未來一兩年內被廣泛應用。深度學習透過先進的方法，提升技術的敏感度，降低假陽性率，解決了用肉眼檢測影像所遇到的最大挑戰(zhàn)。 王平安又透露，團隊將聯(lián)合北京的 3 所醫(yī)院共同開發(fā)相關產(chǎn)品，時會與香港醫(yī)院合作，以盡快在本地醫(yī)療系統(tǒng)應用。 除了肺癌之外，有關技術也可應用在乳腺癌診斷。醫(yī)生一般要通過乳房 X 光造影或 MR 掃描檢測硬塊位置，而在檢測淋巴結轉移時，就須切取一小塊活組織為樣本，在顯微鏡下檢查淋巴結是否有轉移，以及判斷腫瘤是良性或惡性。 一幅數(shù)字活組織全切片圖像的分辨率很高，檔案大小可達 1GB，于是研究團隊開發(fā)了一種嶄新的深層疊卷積神經(jīng)網(wǎng)絡，分階段處理乳腺癌的切片圖像。 首先使用改良版的全卷積網(wǎng)絡（Fully Convolutional Network），即一種對圖像進行較粗略但保持高靈敏度的快速預測模型，重構出更加精密而準確的預測結果，最后定位并挑選出含有淋巴結轉移的圖像。 整個過程只需約 5 分鐘至 10 分鐘，而目前單靠肉眼檢查則需花費 15 分鐘至 30 分鐘。自動化檢測的準確度達到約 99%。 研究團隊成員之一的博士研究生竇琪指出，團隊早前參加過不少國際學術比賽，比賽也會提供病人數(shù)據(jù)以測試系統(tǒng)的準確度，結果顯示中大團隊的表現(xiàn)優(yōu)秀，在檢測肺癌及乳腺癌的準確率達九成或以上。 >>>> 人物介紹 王平安：視見醫(yī)療聯(lián)合創(chuàng)始人 & 榮譽董事長，教育部長江學者，香港中文大學計算機科學與工程系教授，虛擬現(xiàn)實、可視化及圖像學研究中心主任，重點戰(zhàn)略研究計算機輔助醫(yī)學研究領域主任，中科院深圳先進院人機交互實驗室主任。主要研究方向為計算機輔助醫(yī)學、虛擬現(xiàn)實在醫(yī)學中的應用、交互式科學計算可視化、三維醫(yī)學圖像等方向，已發(fā)表學術論文 400 余篇。由王平安教授領導研發(fā)第一個“虛擬人”，首次在計算機平臺上實現(xiàn)了對超高分辨率可視人數(shù)據(jù)的高度交互及逼真的可視化。
來源：動脈網(wǎng)
