欢迎进入广东祥寿生物科技集团股份有限公司官网!

联系我们
服务热线
4008505338
地址:佛山市南海区狮山镇321国道仙溪段广东生物医药产业基地一期第一组团C栋3楼303室
地址:佛山市南海区西樵镇碧霞一路12号德昌大厦5楼505
当前位置:主页 > 新闻中心 > 国内新闻 >
视见医疗的智能技术30秒识别肺癌及乳腺癌
浏览: 发布日期:2017-10-02

视见医疗的人工智能识别技术:最快 30 秒识别肺癌及乳腺癌

针对肺癌及乳腺癌 最快 30 秒完成识别

肺癌及乳腺癌为香港常见的高危顽疾,为提升临床诊断效率,香港中文大学工程学院研究团队运用人工智能影像识别技术,通过深度学习系统判读电脑断层扫描及病理组织切片等医学影像,以研究该两类癌症,结果显示,利用该技术判读的癌症医学影像,准确率分别高达 91% 及 99%,识别过程亦加快至 30 秒至 5 分钟,更降低了误诊率。团队将与本地公营医院合作,期望技术最快可在未来一两年后广泛应用。

肺癌是香港头号致命癌症,每年有数千宗新增病例。肺癌早期多以肺小结节(small pulmonary nodule)的形式出现,病人的肺部影像会出现细小团状阴影。目前医生主要透过胸腔电脑断层扫描(CT)图像检查,了解病人肺部是否有肺小结节。

王平安与研究团队成功应用人工智能影像识别技术

肉眼要看五分钟

不过,每次检查可产生多达数百张 CT 图像,一般情况下,若逐张以肉眼观察,每幅花 3 秒,耗时至少 5 分钟,会耗费大量时间和精力,准确度也会因为医生的经验及精神状态而存在差异。

中大计算机科学与工程学系教授王平安及其团队,于 5 年前展开相关实验。他们采用人工智能深度学习技术(Deep Learning)判读 CT 扫描图像,只需 30 秒就能自动识别出可能出现肺小结节的位置,准确度高达 91%。

王平安解释,深度学习是指电脑模仿人的大脑,根据所收集的数据,按医生的指示及示范,进行数据分析,并且多次重复的学习及修改,可提升系统准确度。

预计一两年内得到广泛应用

他相信该技术将于未来一两年内被广泛应用。深度学习透过先进的方法,提升技术的敏感度,降低假阳性率,解决了用肉眼检测影像所遇到的最大挑战。

王平安又透露,团队将联合北京的 3 所医院共同开发相关产品,时会与香港医院合作,以尽快在本地医疗系统应用。

除了肺癌之外,有关技术也可应用在乳腺癌诊断。医生一般要通过乳房 X 光造影或 MR 扫描检测硬块位置,而在检测淋巴结转移时,就须切取一小块活组织为样本,在显微镜下检查淋巴结是否有转移,以及判断肿瘤是良性或恶性。

一幅数字活组织全切片图像的分辨率很高,档案大小可达 1GB,于是研究团队开发了一种崭新的深层叠卷积神经网络,分阶段处理乳腺癌的切片图像。

首先使用改良版的全卷积网络(Fully Convolutional Network),即一种对图像进行较粗略但保持高灵敏度的快速预测模型,重构出更加精密而准确的预测结果,最后定位并挑选出含有淋巴结转移的图像。

整个过程只需约 5 分钟至 10 分钟,而目前单靠肉眼检查则需花费 15 分钟至 30 分钟。自动化检测的准确度达到约 99%。

研究团队成员之一的博士研究生窦琪指出,团队早前参加过不少国际学术比赛,比赛也会提供病人数据以测试系统的准确度,结果显示中大团队的表现优秀,在检测肺癌及乳腺癌的准确率达九成或以上。