TEL: 020-34438810   18027152056     Email: info@magigen.com

美格生物
MAGIGEN
最新文章
生物技术及产业新闻

AI**肺癌及乳腺癌 识别过程只需30秒至10分钟

香港中文大学(中大)计算器科学与工程学系教授王平安教授及其研究团队,最近成功应用人工智能影像识别技术,通过深度学习(Deep Learning)系统判读计算机断层扫瞄(CT)及病理组织切片等医学影像,并针对香港两大高危疾病──肺癌及乳腺癌的影像进行研究。结果显示,利用人工智能判读该两种癌症的医学影像,准确率分别高达91%99%,识别过程只需30秒至10分钟,可见此技术能大幅提升临床**的效率,并降低误诊率。预计在未来一至两年,这种自动化检测技术将可于本地医疗界广泛应用。

通过深层神经网络自动检测肺小结节

肺癌是本港头号致命癌症,早期肺癌多以肺小结节(small pulmonary nodule)的形式出现,即在肺部影像出现细小的团状阴影。现时,医生主要通过胸腔CT图像去检查是否存在肺小结节,然而,每次检查都可产生多达数百张断层扫描图像,单靠肉眼判断,往往耗费大量时间精力,准确度或会因医生的经验及精力差异而有所影响。王平安教授及其团队采用深度学习技术判读CT扫描图像,仅需30秒,就能自动识别出可能出现肺小结节的位置,准确度高达九成。一般情况下,每次CT检查会产生数百张二维切面图,如逐一以肉眼观察,每幅花3秒,耗时至少5分钟。

中大研究团队早于五年前展开相关实验,技术走在国际前沿,现今测试效果已取得医学界的正面回响。王平安教授相信此技术将于未来一至两年内被广泛应用,他表示:「深度学习透过先进的方法,提升技术的敏感度,剔除疑似及噪声的误报(假阳性),解决了用肉眼检测影像所遇到的**挑战。」他透露,团队将联同北京几所医院合作开发相关产品,以优化技术,及早识别肺结节病变,为肺癌的早期**和治疗提供可靠的依据。

自动检测组织病理学图像中的乳腺癌淋巴结转移

1990年以来,本港乳腺癌新增个案持续上升。乳腺癌是香港女性最常见的癌症,在常见癌症中排名第三。医生一般要通过乳房X光造影或MR扫瞄,检测硬块位置:在检测淋巴结转移时,医生须切取一小块活组织为样本,在显微镜下检查淋巴结有否转移,以及肿瘤是良性还是恶性。一幅数码活组织全切片图像的解像度非常高,档案大小可达1GBGigabyte),相当于一部90分钟高清电影的储存容量,检测过程极之费时费力。

中大研究团队开发了一种崭新的深层迭卷积神经网络,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)——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。整个自动化检测过程只需约510分钟,如单靠肉眼查看则病理医生往往要花费1530分钟。准绳度方面,对比资深病理医生人工检测的结果,自动化检测的准确度高出2%,达到98.75%,对乳腺癌的临床****参考价值。

人工智能深度学习的优点,是能容纳大规模的参数,随着数据之累积,精准度能够不断提升;应用于医学上的自动筛查及检测,有如一个永不疲劳的医护助手,协助医生快速识别病源,及时制定适切的治疗方案,对症下药。


相关阅读

肺癌免疫治疗的新方法



分享到:
会员登录
登录
我的资料
我的收藏
留言
回到顶部