近年來,肺癌的發病率、致死率已屢創新高。早期肺癌多表現為肺部結節,它們尺寸小、對比度低、形狀異質化高,因此早發現、早預防、早診斷、早治療能夠在很大程度上降低肺癌的發病率。而肺癌防治的重要手段是早期篩查,其中胸部低劑量CT是國際公認的有效手段。但是隨著胸部CT篩查人群的日益增多,影像科醫師工作量的日益增長。繁重、枯燥的閱片工作使影像科醫師的疲勞度增加,同時漏診、誤診的風險也在增加。
在我國,醫療領域是AI發展相對蓬勃的領域之一。基于深度學習的AI應用目前已經覆蓋病灶檢測、病理診斷、放療規劃和術后預測等各臨床階段。AI算法模型的應用大大減輕了影像科醫師的工作量。目前,多家三級甲等醫院已經合作研發了各種肺結節AI模型,并將其應用于臨床工作中,均取得了較好的效果。
雖然深度神經網絡在診斷問題的有效性上已初步得到驗證,但是醫學影像臨床工作中往往交織著多種不同任務。從肺結節的篩查與診斷方面不難看出,AI需要在發現異常、量化測量、隨訪跟蹤和鑒別診斷中發揮可靠作用,最終才能具有臨床應用價值。除了將深度神經網絡應用于醫學影像的分類問題(診斷),研究者們還需要繼續探索AI技術在醫學影像檢測問題(發現異常)、分割問題(量化測量)及配準問題(隨訪跟蹤)中的應用。
肺結節影像輔助診斷系統是基于胸部CT成像,通過“AI+醫療”的密切配合實現肺部疾病的診療。該方案是按照影像科醫師的日常工作模式,利用深度學習神經網絡對標注的肺結節進行分割,由醫學影像專家根據多年在醫院的經驗積累和工作總結,在影像上識別出所有的肺結節,并對結節的大小、密度、體素、形態等進行完整的描述,判斷結節的生長規律和結節類型,為臨床干預做出重要的決策準備。極大地提高了影像科醫師的工作效率;降低了漏診、誤診的發生率。
1、 根據上傳的影像資源,自動解析病人和影像的詳細信息。
2、 提供根據影像的設備類型、檢查部位、影響號、檢查時間段、上傳時間段等字段的查詢功能。
3、 可根據需要對影片的灰度、窗寬窗位等進行調整。
4、 逐層判讀,可利用不同的標注工具標出結節的位置和備注信息。
5、 自動計算出每個結節的大小、密度、體素等重要信息,醫師可對每個結節的形態、性質、位置做出準確的判斷。
6、 對疑似病灶進行統計。
7、 把已上傳的影像及其詳細信息和病灶信息記錄入庫,為后期的病灶隨訪和臨床診斷提供支持。