【第一參賽人/留學(xué)人員】李曉瑜
【留學(xué)國家】美國
【技術(shù)領(lǐng)域】生物技術(shù)與大健康
【參賽屆次】第6屆
【所獲獎項(xiàng)】入圍
【項(xiàng)目簡介】
肺結(jié)節(jié)是目前發(fā)病率較高的肺部疾病,目前對于肺結(jié)節(jié)的診斷主要借助影像數(shù)據(jù)進(jìn)行觀察,患者隨訪或者非手術(shù)/手術(shù)活檢獲取組織學(xué)檢查。然而,當(dāng)前通過影像科醫(yī)生對影像數(shù)據(jù)進(jìn)行觀察得到的診斷準(zhǔn)確率還不夠理想(~70%-85%),患者隨訪的形式進(jìn)行確診會有疾病惡化的可能,而對于小結(jié)節(jié)(<20mm),手術(shù)活檢存在一定的風(fēng)險(xiǎn)性。如果采用深度學(xué)習(xí)方法,通過病人影像數(shù)據(jù)對病人微小肺結(jié)節(jié)良惡性進(jìn)行鑒別可以提高診斷的準(zhǔn)確率以及速度,為醫(yī)生的診斷提供幫助,使患者得到及時(shí)有效的治療。病理診斷分析是醫(yī)生進(jìn)行疾病最終診斷、臨床治療及預(yù)后恢復(fù)的關(guān)鍵依據(jù),主要采取切取、鉗取或穿刺等方式從患者體內(nèi)取出病變組織,進(jìn)行病理性檢查。然而,病理診斷的準(zhǔn)確率受取樣部位影響,不同的取樣位置可能會帶來不同的病理診斷結(jié)果,采用人工智能如深度學(xué)習(xí)方法通過大量具有病理診斷結(jié)果的影像數(shù)據(jù)進(jìn)行學(xué)習(xí)產(chǎn)生“無創(chuàng)活檢”(Invasive biopsy)智能分析判定算法,用此來自動通過對術(shù)前病人影像(如CT圖像)進(jìn)行病理分析獲知其病理類型,對解決這一問題有重大的意義,并且能有效減少良性腫瘤患者不必要的活檢數(shù)量,減輕他們的痛苦,此外,醫(yī)學(xué)診斷除采用對新產(chǎn)生的圖像進(jìn)行分析診斷外,對其與已有的歷史圖像的相似性對比進(jìn)行診斷也是常用方法。當(dāng)前,大部分醫(yī)院采用PACS(Picture Archiving and Communication System)系統(tǒng)儲存每天產(chǎn)生的海量醫(yī)學(xué)圖像,如果能從PACS中找出病情類似的圖像病歷,則可以為醫(yī)生的診斷提供重要依據(jù),尤其是對于經(jīng)驗(yàn)不夠豐富的醫(yī)生更是如此,而且在教學(xué)中也經(jīng)常需要大量的相似病例圖像進(jìn)行分析研究。由于語言描述與圖像內(nèi)容之間存在差距,因此這種圖像的尋找過程不能夠簡單的通過文本搜索來進(jìn)行,這就需要基于圖像內(nèi)容的醫(yī)學(xué)圖像搜索技術(shù),同時(shí)結(jié)合醫(yī)院的PACS系統(tǒng),將之前的影像數(shù)據(jù)充分利用起來,為疾病診斷、教學(xué)科研和圖像統(tǒng)計(jì)分析提供重要的支持。
【展開】
【收起】