日前，放射學領域的國際期刊 Radiology《放射學》發(fā)表了華為云 EI 創(chuàng)新孵化 Lab、華中科技大學電信學院、華中科技大學同濟醫(yī)學院附屬協(xié)和醫(yī)院放射科聯(lián)合團隊的最新研究成果 ——AI 算法檢測動脈瘤，其檢測靈敏度達 97.5%，該算法可以幫助醫(yī)生在臨床診斷精確度方面，提升約 10 個百分點，同時漏診率降低 5 個百分點，有效地縮短了醫(yī)生診斷時間。

Radiology 雜志作為放射學領域的頂級期刊之一，一直是該領域的絕對權威。它擁有 12.5 的 CiteScore 值（“連續(xù)三年論文在第四年度的篇均引用次數(shù)”）和 7.9 的影響因子，是該領域內(nèi)被引用次數(shù)最多的期刊之一。因此能夠在 Radiology 上發(fā)表一篇論文是眾多 “放射學人” 所夢寐以求的事情。

新環(huán)境下的腦動脈瘤輔診

近年來，人工智能 + 醫(yī)學影像的組合成為了最熱門的話題之一，它將最先進的人工智能技術應用于醫(yī)學影像診斷，幫助醫(yī)生診斷患者病情的人工智能。具體應用場景包括但不限于各類病灶識別與標注，如宮頸癌、肺部結節(jié)、心腦血管疾病輔診等。

當下腦動脈瘤的診斷依舊存在較大的不確定性。腦動脈瘤是腦動脈內(nèi)腔的局限性異常擴大造成的一種瘤狀突出，有時會存在滲漏或破裂風險，該病位居腦血管疾病病因的 Top3，因其致命性和未知性，被稱為 “沉默又致命的殺手”。

據(jù)悉，腦動脈瘤可造成大約 80%-90% 的非創(chuàng)傷性蛛網(wǎng)膜下腔出血，而這一嚴重的腦部疾病死亡率為 23%-51%，另外還有 10%-20% 的永久殘疾風險，對其進行早期診斷與治療非常必要。動脈瘤位置多發(fā)，形態(tài)多樣，對醫(yī)生資歷要求較高。中國人口基數(shù)大，高資歷醫(yī)生匱乏，相關醫(yī)生工作強度極大。

動脈瘤破裂的風險取決于動脈瘤的大小、形狀和位置，因此腦動脈瘤的檢測和特征提取是指導治療的關鍵。

目前，CT 血管造影成像（CTA）是評估顱內(nèi)動脈瘤的主要影像學檢查手段，與磁共振血管造影（MRA）相比， CTA 是一種快速且經(jīng)濟有效的診斷技術，通常具有更廣的可用性和較高的空間分辨率。與數(shù)字減影血管造影（DSA）相比，CTA 通常更廣泛且具備無創(chuàng)性。但是由于腦動脈瘤體積小和顱內(nèi)血管的復雜性，即使專業(yè)的放射學專家進行診斷也需要耗費很長的時間，一些小動脈瘤還可能被遺漏。

那么腦動脈瘤診斷作為當前較為復雜的疾病之一，是如何將人工智能應用其中的呢？

人工智能 + 醫(yī)學影像，解決腦動脈瘤輔診難題

近日發(fā)表在 Radiology 上的這項最新技術，運用了華為云一站式 AI 開發(fā)平臺 ModelArts，ModelArts 平臺作為華為云的自研平臺，提供了數(shù)據(jù)預處理及半自動化標注、大規(guī)模分布式訓練、自動化模型生成等的一系列便捷功能。

該腦動脈瘤檢測算法包括一個編碼器和解碼器，并在編碼器解碼器中間使用了密集的空洞卷積 (DAC) 和殘差多核池化 (RMP) 模塊。輸入的 CTA 圖像按照 0.39×0.39×0.39 mm^3 的分辨率被重新采樣，算法輸出會提供動脈瘤存在概率、動脈瘤位置以及直徑大小等信息，并在 CTA 原始圖像上為可疑的動脈瘤勾畫出一個邊界框。效果如下圖所示。

圖 | 效果圖

圖 | 數(shù)據(jù)獲取、篩選和分割流程圖

文中，作者表明該研究使用了 534 名患者的 CTA 數(shù)據(jù)來訓練深度學習檢測算法，然后在另外 534 例數(shù)據(jù)上進行驗證。結果顯示，該研究算法檢測出來 633 個動脈瘤（驗證集共含有 649 個動脈瘤），靈敏度達到 97.5%；同時算法還檢測出了 8 個新的動脈瘤，而這些動脈瘤在醫(yī)生最初的診斷中被忽略了。這 8 個動脈瘤有 6 個直徑小于 3mm，2 個在 3-5mm 之間，說明該研究算法對于微小動脈瘤也具備非常好的性能。

圖 | 算法在驗證集上的 FROC 曲線

對于基層醫(yī)院來說，相比于三甲醫(yī)院，其在復雜影像的處理能力、判斷能力方面更加缺乏專業(yè)性的人才和技術。而這項技術的產(chǎn)生正是填補了相應的空缺，具有非常廣闊的應用場景。

責任編輯：xj

原文標題：AI算法檢測動脈瘤靈敏度達97.5%，華為云最新聯(lián)合成果登上國際頂刊

文章出處：【微信公眾號：DeepTech深科技】歡迎添加關注！文章轉(zhuǎn)載請注明出處。