人工智能神经网络诊断腰椎间盘突出及病理特点的应用研究

【目的】本研究旨应用一种以人工智能(Artificial Intelligence,AI)为基础所设计的全自动计算机辅助诊断系统(Computer-aided Diagnosis,CAD),定位腰椎核磁共振(Magnetic Resonance Imaging,MRI)图像中的椎间盘去诊断腰椎间盘突出,并分析出腰椎间盘Pfirrmann退变等级及MSU突出程度分型。计算疾病诊断的阳性率,分型结果的准确度、灵敏度、特异度和交并比,及人机大战的最终结果。探究所设计程序的先进性及CAD系统的临床必要性,为人工智能诊断脊柱其他疾病提供基础,同时为提高临床工作效率提供新途径。【方法】本研究将217位腰椎间盘突出(Lumbar Disc Herniation,LDH)患者的MRI影像学资料,分成训练组与测验组,对所设计的CAD系统进行训练和验证,其中运用区域卷积神经网络Faster-R-CNN(Region Convolution Neural Network,RCNN)目标检测技术进行椎体定位,进而通过椎体定位和选取椎间盘。对选取区域使用二元神经网络分类器进行LDH的诊断。使用像素强度直方图(Histogram of Pixel Intensity,HPI),局部二进制模式(Local Binary Pattern,LBP)和金字塔式梯度方向直方图(Pyramid Histogram of Oriented Gradients,PHOG)三种图像特征的识别计算机算法,并在多层感知器分类器的基础上对椎间盘进行Pfirrmann分型。使用关键点检测神经网络来定位MSU定义中的标记点。使用U-Net网络结构进行计算,给予MSU分类。最后通过准确度、灵敏度、特异度和交并比(Intersection-over-Union,IoU)作为标准对CAD功能进行评价,最终进行人机大战,获取实验数据并进行统计学分析,确定人工智能辅助的必要性。【结果】研究中本课题组利用在天津医科大学总医院影像中心所获取患者的MRI影像学资料的部分数据,验证了本团队所设计的人工智能在腰椎间盘诊断方面的各项性能。在椎间盘的定位方面,准确率可达到95%;腰椎间盘突出诊断检测方面,准确率为95.83%,特异性97.52%,灵敏度94.12%;Pfirrmann分型方面,准确率为82%。在MSU分类方面,关键点检测的平均误差为3像素,而分割过程的交并比为90%。在人机大战中,人工智能在腰椎间盘突出的诊断,MSU的分型以及做出诊断的整体时间上表现出明显优势。【结论】本课题组提出了一个完全自动化的CAD系统,可以在放射科医师和临床医师的工作流程中起到很好的辅助作用。腰椎间盘突出的MSU分型,可协助医生在面对不同类型的患者时,做出更适合的治疗方案,对于1-A、1-B型和2-A型的患者中多采用保守治疗,在2-B和2-AB型中多采用手术治疗,在1-AB和C型的治疗选择上需要多方面分析。椎间盘退变的Pfirrmann分型,从理论上讲,Pfirrmann水平越高,手术就越困难,为临床医生提供警示作用,另外此分型应用于术前评估可以有助于退行性脊柱侧凸患者的外科决策。以临床应用为目的,CAD的机能有着很好的表现。经广泛验证后,本团队的CAD系统有望应用于临床中,并将解决社区医院或那些缺乏专业医师且医疗水平较低的偏远医院,无法对LDH给予准确诊断及合理治疗的问题。

比较低剂量肺部电脑断层影像在人工判读与人工智慧电脑辅助侦测系统判读上的差异

近年来随着人工智慧(Artificial Intelligence, AI)的迅速发展,AI也渐渐应用於临床医疗领域.在医院中,病人完成检查後的影像由放射科医师判读结果,而现阶段某些部位的临床影像可利用AI判读出病灶的部份.本研究利用回溯性的方式,收集2018年4月到10月之间,共121位做过低剂量肺部电脑断层(Low Dose Lung Computed Tomography, LDCT)的患者,这些患者的影像都经过AI电脑辅助侦测(Computer Aid Detect, CAD)系统处理,上传至PACS後,经由人工判读和CAD系统判读後,判断肺部结节在影像上的差异,结果发现CAD系统对於影像上肺部节结节的判断会出现假阳性的问题.

AI如何在医疗影像生态圈中落地生根

AI识别医学影像作为计算机视觉一个重要应用,正不断向着深化,多元化的趋势发展,传统的2D影像也正向3D立体(甚至4D)影像前进,其间AI在图像分析过程发挥的作用日益显著,AI辅助阅片成为一种新常态. 从2015年开始,深度学习在目标检测,图像分类和图像分割领域取得突破性进展.由此,医疗影像智能分析(以下简称影像AI)成为投资和创业热点,一批影像AI公司相继成立.进入2018年,影像AI领域的一线公司大多已经完成了核心产品研发,并且以科研合作或临床试验方式进入医院,开始试用.可以说,在2018年,影像AI领域的产业竞争已经从技术研发阶段,正式进入了落地应用阶段.

人工智能在医学影像学临床辅助诊断中的效能分析

在医学领域,医学影像是临床上常用的一种诊疗方法,能够很好地反映出人体组织器官以及形态功能,因此在临床疾病诊断和预后发挥着重要的作用.而随着科技水平的快速发展,人工智能(AI)技术出现,其能够根据相应的数据实现自动预测计算以及自主学习,所以,将人工智能技术应用在医学影像诊断中,则能够为患者提供全新的治疗方法,从而实现提升医疗服务效率和质量的目的.

基于AI视觉技术的医疗影像辅助诊断系统在放射科质量管理中的应用效果

目的:探究基于AI视觉技术的医疗影像辅助诊断系统在放射科质量管理中的应用效果.方法:医院从2019年7月开始在放射科中实施基于AI视觉技术的医疗影像辅助诊断系统.2019年1～6月为实施前和2019年7～12月为实施后.比较实施前后放射科质量管理情况.结果:实施后后受检者等待出片时间,单次检查成本费用,单个部位检查耗时及诊断报告不合格率均显著低于实施前(P<... 查看全部>>