近日，由西安工業(yè)大學(xué)趙妙梅、趙何超團(tuán)隊(duì)主導(dǎo)的多學(xué)科交叉多專業(yè)融合的“火眼金睛”項(xiàng)目在數(shù)字醫(yī)學(xué)影像診斷領(lǐng)域取得重大進(jìn)展，該技術(shù)通過開發(fā)“CNN&Transformer”交錯(cuò)融合算法，成功賦能肺部數(shù)字醫(yī)學(xué)影像精準(zhǔn)診斷，為該行業(yè)提供創(chuàng)新解決方案。

調(diào)研發(fā)現(xiàn)，肺部數(shù)字醫(yī)學(xué)影像診斷存在諸多痛點(diǎn)，如：現(xiàn)有CT診斷系統(tǒng)多只能確定病灶位置，不能直接診斷病種，更不能預(yù)測(cè)病情;現(xiàn)階段雖出現(xiàn)AI醫(yī)生，但病人多表達(dá)“把胸片直接交給AI不放心”，希望以傳統(tǒng)方式由醫(yī)生親自閱片。然而近年來肺部疾病(肺結(jié)節(jié)、肺部感染等)持續(xù)高發(fā)，其癥狀和影像學(xué)表現(xiàn)多不典型，早期就診率低，易漏診。

突破技術(shù)壁壘，打破資源瓶頸，創(chuàng)新解決方案

該團(tuán)隊(duì)科研攻關(guān)“空洞卷積神經(jīng)網(wǎng)絡(luò)(CNN)”技術(shù)和“動(dòng)態(tài)雙路徑多尺度特征融合(D-DMFF)”技術(shù)，研發(fā)了可有效提取肺部HRCT圖像中的局部與全局特征的輕量化模型。該模型通過97740張CT圖像訓(xùn)練和5012張CT圖像的驗(yàn)證后，沒有明顯的過擬合或欠擬合現(xiàn)象，模型訓(xùn)練良好，病灶分辨率從原有的1mm提升至0.625mm，分辨力提升了37.5%，準(zhǔn)確率高達(dá)96.342%。具備低復(fù)雜度和高有效性，能夠更準(zhǔn)確的識(shí)別肺部病變CT圖像。

該項(xiàng)目在試驗(yàn)階段，從醫(yī)生肉眼漏診病人的上萬張HRCT圖像中，額外識(shí)別出100余人，有效降低了漏診率。

該項(xiàng)目目前已登記軟件著作權(quán)9項(xiàng)、授權(quán)發(fā)明專利2項(xiàng)、外觀設(shè)計(jì)專利1項(xiàng)，SCI收錄論文2篇(中科院1篇)、EI收錄論文4篇。

該項(xiàng)目吸引了來自烏茲別克斯坦、塔吉克斯坦和加納國的留學(xué)生參與。近期正于國內(nèi)某大型數(shù)據(jù)云服務(wù)企業(yè)洽談合作，未來有望實(shí)現(xiàn)云端醫(yī)學(xué)影像診斷處理，為一帶一路沿線國家提供肺部醫(yī)學(xué)影像診斷中國方案。

鄭重聲明：本文版權(quán)歸原作者所有，轉(zhuǎn)載文章僅為傳播更多信息之目的，如有侵權(quán)行為，請(qǐng)第一時(shí)間聯(lián)系我們修改或刪除，多謝。