机器之心编辑部发布

AI辅助检测脑动脉瘤,灵敏度达97.5%,华为云联合成果登上国际顶级期刊

近日,放射学领域国际顶级期刊《Radiology》发表了华为云 EI 创新孵化 lab、华中科技大学电信学院、华中科技大学同济医学院附属协和医院放射科联合团队的最新研究成果:AI 算法检测动脉瘤灵敏度高达 97.5%,帮助医生临床诊断灵敏度提升约 10 个百分点,漏诊率降低 5 个百分点,同时有效缩短医生诊断时间。

日前,放射学领域的国际顶级期刊《Radiology》(《放射学》)发表了一项来自中国的「人工智能 + 医学影像」最新研究成果:运用 AI 帮助医生检测脑动脉瘤,灵敏度达到 97.5%;AI 协助放射科医生阅片,帮助医生临床诊断灵敏度提升约 10 个百分点,漏诊率降低 5 个百分点;同时有效缩短医生诊断时间

论文链接:https://pubs.rsna.org/doi/10.1148/radiol.2020192154

这项研究由华为云 EI 创新孵化 Lab 联合华中科技大学电信学院、华中科技大学同济医学院附属协和医院放射科完成,运用华为云一站式 AI 开发平台 ModelArts 开发了一套基于 CTA 影像的全自动化、高度敏感的脑动脉瘤检测算法,帮助医生更快速高效地诊断脑动脉瘤。

Radiology 杂志是放射学领域的顶级期刊,一直被公认为该领域最新、最高质量研究的权威参考,2020 年最新影响因子为 7.9,是该领域内被引用次数最多的期刊之一。

脑动脉瘤辅诊:「人工智能 + 医学影像」新突破

「人工智能 + 医学影像」是将目前最先进的人工智能技术应用于医学影像诊断,帮助医生诊断患者病情的人工智能具体应用场景,可以广泛用于各类病灶识别与标注,如宫颈癌、肺部结节、心脑血管疾病辅诊等。

脑动脉瘤诊断难点

脑动脉瘤是脑动脉内腔的局限性异常扩大造成的一种瘤状突出,存在渗漏或破裂风险,位居脑血管疾病病因的 Top3,堪称「沉默又致命的杀手」。脑动脉瘤造成了大约 80%-90% 的非创伤性蛛网膜下腔出血。这一严重的脑部疾病死亡率为 23%-51%,另外还有 10%-20% 的永久残疾风险,对其进行早期诊断与治疗非常必要。动脉瘤位置多发,形态多样,对医生资历要求较高。中国人口基数大,高资历医生匮乏,相关医生工作强度极大。 

动脉瘤破裂的风险取决于动脉瘤的大小、形状和位置,因此脑动脉瘤的检测和特征提取是指导治疗的关键

目前,CT 血管造影成像(CTA)是评估颅内动脉瘤的主要影像学检查手段,与磁共振血管造影(MRA)相比, CTA 是一种快速且经济有效的诊断技术,通常具有更广的可用性和较高的空间分辨率。与数字减影血管造影(DSA)相比,CTA 通常更广泛且具备无创性。但是由于脑动脉瘤体积小和颅内血管的复杂性,即使专业的放射学专家进行诊断也需要耗费很长的时间,一些小动脉瘤还可能被遗漏。

AI + 医学影像,解决脑动脉瘤辅诊难题

在最近发表在 Radiology 的这项新研究中,华为云 EI 创新孵化 Lab 联合华中科技大学电信学院、华中科技大学同济医学院附属协和医院放射科运用华为云一站式 AI 开发平台 ModelArts,开发了一套基于 CTA 影像的全自动化、高度敏感的脑动脉瘤检测算法。

ModelArts 平台提供数据预处理及半自动化标注、大规模分布式训练、自动化模型生成,以及端 - 边 - 云按需部署能力,帮助用户快速创建和部署模型,管理全周期 AI 工作流。 

该研究开发的脑动脉瘤检测算法包括一个编码器和解码器,并在编码器解码器中间使用了密集的空洞卷积 (DAC) 和残差多核池化 (RMP) 模块。输入的 CTA 图像被重采样至 0.39×0.39×0.39 mm^3 分辨率,算法输出会提供动脉瘤存在概率、动脉瘤位置以及直径大小等信息,并在 CTA 原始图像上为可疑的动脉瘤勾画出一个边界框。

脑动脉瘤检测算法的整体架构。

该研究使用了 534 名患者的 CTA 数据来训练深度学习检测算法,然后在另外 534 例数据上进行验证。验证集共含有 649 个动脉瘤,该研究算法检测出来了 633 个,灵敏度达到 97.5%;同时算法还检测出了 8 个新的动脉瘤,而这些动脉瘤在医生最初的诊断中被忽略了。这 8 个动脉瘤有 6 个直径小于 3mm,2 个在 3-5mm 之间,说明该研究算法对于微小动脉瘤也具备非常好的性能。

数据获取、筛选和分割流程图。

算法在验证集上的 FROC 曲线。

此外,为了验证该研究提出算法对放射科医生的协助作用,研究人员另外收集了 400 例 CTA 数据作为外部测试集(188 个阳性和 212 个阴性),由四名放射科医生分别在没有算法协助和有算法协助下进行阅片。统计结果显示,在有算法协助的情形下,放射科医生的表现都有一定的提升,特别是经验较少的医生进步最明显。

帮助影像科医生,而不是取代他们

参与该联合项目的华中科技大学同济医学院附属协和医院影像科专家龙茜博士表示:「我们联合华为云开发的深度学习算法在检测动脉瘤方面表现出了出色的性能。我们发现极少数动脉瘤在最初的临床诊断报告中被忽略了,但它们被深度学习算法成功地识别出来了。」

该研究表明,深度学习算法在脑动脉瘤的诊断中具有潜力,有望在临床上作为第二意见的诊断工具。

AI 有许多优点,主要是因为其不受经验水平、工作时间和情绪等影响人类表现的因素的影响。对于三甲医院来说,「人工智能 + 医学影像」的引入可以改善高度依赖医生人工读片的传统模式,一定程度上缓解医学影像诊断的压力,同时满足三甲医院的科研需求。

对于基层医院来说,相比三甲医院,对复杂影像的处理能力、判断能力更为薄弱,因此误诊漏诊率更高。人工智能通过把影像诊断结果进行前期的分析和处理,可以提高筛查数量,降低误诊漏诊率,进而提高综合医疗水平。

当然,这个系统也有一些局限性。它可能识别不出非常小的动脉瘤或位于类似密度结构的动脉瘤,如骨骼。同样,它的判断也受到假阳性的影响,可能错误地将类似于动脉瘤的结构识别为动脉瘤,这时就需要医生把关,共同做出准确诊断。

人工智能会替代影像科医生吗?对此,龙茜博士表示:「与华为云合作开发 AI 深度学习算法的目的是帮助影像科医生,而不是取代他们。未来需要进一步收集、分析、验证更异构的高质量数据,进一步验证该算法,这是评估其推广性和对日常临床工作适用性的关键,需要 AI 算法专家、影像科专家等进一步通力合作。」   

加速 AI 基础研究和医疗领域落地

随着人工智能的不断发展,国内主要 IT 和云厂商都在医疗、大健康领域有所布局。医疗基础研究方面,华为云 EI 创新孵化 Lab 重点聚焦于如何解决医疗领域的重大技术难题。

在 MICCAI 2019 、MICCAI2020、Radiology 等人工智能医学影像学术会议期刊上连续发表了华为云人工智能医学影像分析团队 6 篇论文,涵盖宫颈癌筛查、脑中风分割、心室分割以及平片诊断报告自动生成相关领域的研究成果。在 LUNA-2016、HC-2018、ISLES-2018 的个业界多个挑战赛事上获得业界领先水平。

在产业落地方面,在医疗影像领域,华为云可提供企业级的医疗影像 AI 平台,支撑全流程可追溯的端到端 AI 建模,助力医疗影像 AI 更加系统、快速、安全地走向市场。在基因组、制药等领域,与医疗行业领先企业及医院和高校合作,加速 AI 研究和应用落地。

理论脑动脉瘤检测医学影像人工智能
2
相关数据
华为机构

华为创立于1987年,是全球领先的ICT(信息与通信)基础设施和智能终端提供商,致力于把数字世界带入每个人、每个家庭、每个组织,构建万物互联的智能世界。目前华为有19.4万员工,业务遍及170多个国家和地区,服务30多亿人口。

https://www.huawei.com/cn/
重采样技术

重采样是指根据一类象元的信息内插出另一类象元信息的过程。在遥感中,重采样是从高分辨率遥感影像中提取出低分辨率影像的过程。常用的重采样方法有最邻近内插法(nearest neighbor interpolation)、双线性内插法(bilinear interpolation)和三次卷积法内插(cubic convolution interpolation)。

深度学习技术

深度学习(deep learning)是机器学习的分支,是一种试图使用包含复杂结构或由多重非线性变换构成的多个处理层对数据进行高层抽象的算法。 深度学习是机器学习中一种基于对数据进行表征学习的算法,至今已有数种深度学习框架,如卷积神经网络和深度置信网络和递归神经网络等已被应用在计算机视觉、语音识别、自然语言处理、音频识别与生物信息学等领域并获取了极好的效果。

池化技术

池化(Pooling)是卷积神经网络中的一个重要的概念,它实际上是一种形式的降采样。有多种不同形式的非线性池化函数,而其中“最大池化(Max pooling)”是最为常见的。它是将输入的图像划分为若干个矩形区域,对每个子区域输出最大值。直觉上,这种机制能够有效的原因在于,在发现一个特征之后,它的精确位置远不及它和其他特征的相对位置的关系重要。池化层会不断地减小数据的空间大小,因此参数的数量和计算量也会下降,这在一定程度上也控制了过拟合。通常来说,CNN的卷积层之间都会周期性地插入池化层。

假阳性技术

假阳性是指模型因为种种原因把不应该分类成特定情况的人/物错误地分类到了该分类的情况。

验证集技术

验证数据集是用于调整分类器超参数(即模型结构)的一组数据集,它有时也被称为开发集(dev set)。

推荐文章
暂无评论
暂无评论~