日前，放射学领域的国际期刊Radiology《放射学》发表了华为云EI创新孵化Lab、华中科技大学电信学院、华中科技大学同医院放射科联合团队的最新研究成果——AI算法检测动脉瘤，其检测灵敏度达97.5%，该算法可以帮助医生在临床诊断精确度方面，提升约10个百分点，同时漏诊率降低5个百分点，有效地缩短了医生诊断时间。
Radiology杂志作为放射学领域的顶级期刊之一，一直是该领域的绝对权威。它拥有12.5的CiteScore值（“连续三年论文在第四年度的篇均引用次数”）和7.9的影响因子，是该领域内被引用次数最多的期刊之一。因此能够在Radiology上发表一篇论文是众多“放射学人”所梦寐以求的事情。
新环境下的脑动脉瘤辅诊
近年来，人工智能+医学影像的组合成为了最热门的话题之一，它将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。具体应用场景包括但不限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。
当下脑动脉瘤的诊断依旧存在较大的不确定性。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，有时会存在渗漏或破裂风险，该病位居脑血管疾病病因的Top3，因其致命性和未知性，被称为“沉默又致命的杀手”。
据悉，脑动脉瘤可造成大约80%-90%的非创伤性蛛网膜下腔出血，而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。
那么脑动脉瘤诊断作为当前较为复杂的疾病之一，是如何将人工智能应用其中的呢？
人工智能+医学影像，解决脑动脉瘤辅诊难题
近日发表在Radiology上的这项最新技术，运用了华为云一站式AI开发平台ModelArts，ModelArts平台作为华为云的自研平台，提供了数据预处理及半自动化标注、大规模分布式训练、自动化模型生成等的一系列便捷功能。
该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图像按照0.39×0.39×0.39mm^3的分辨率被重新采样，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。效果如下图所示。
图
效果图
图
数据获取、筛选和分割流程图
文中，作者表明该研究使用了名患者的CTA数据来训练深度学习检测算法，然后在另外例数据上进行验证。结果显示，该研究算法检测出来个动脉瘤（验证集共含有个动脉瘤），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。
图
算法在验证集上的FROC曲线
医院来说，医院，其在复杂影像的处理能力、判断能力方面更加缺乏专业性的人才和技术。而这项技术的产生正是填补了相应的空缺，具有非常广阔的应用场景。
-End-
预览时标签不可点收录于话题#个上一篇下一篇