近年来，人工智能（Artificial Intelligence，AI）迅猛发展，从AlphaGo连续击败人类棋手，到各大汽车厂商争相推出的无人驾驶技术，人工智能在多个领域取得了突破性的进展。在人工智能的各大产业中，医疗加人工智能方向已然成为瞩目焦点，备受关注。人工智能在医疗中的应用能够有效缓解我国医疗资源严重短缺、分布失衡的现状，提高医疗系统的运行效率，甚至推动整个医疗行业的变革。
结直肠癌是全球第三大癌症，其年标化发病率为0.41‰，死亡率为0.15‰。如果在早期得到确诊并且接受正确治疗，结直肠癌患者的五年生存率高达90%。而一旦癌细胞扩散到结直肠外，患者的五年生存率迅速下降。因此，结直肠癌的早诊断、早治疗是极其重要的。
结直肠癌病灶的分割是术前预测、分期和疗效评估等工作的基础。由于癌症病灶与正常组织之间的边界模糊，传统方法很难实现精确地自动分割，国际上的相关研究很少。临床上常用的手动或半自动的分割方法极其繁琐、耗时，且高度依赖于操作者。
中国科学院苏州生物医学工程技术研究所医学影像室高欣、简俊明、夏威等人提出了一种基于全卷积神经网络（FCN）的结直肠癌T2加权MRI图像分割方法。该方法使用VGG-16网络进行特征提取，从VGG-16中每个模块的最后一个卷积层分别引出一个边输出模块，这些边输出模块能够深入挖掘多尺度特征并产生相应的输出。最后，所有的边输出结果融合生成最终的分割结果。实验结果显示，该模型对结直肠癌肿瘤分割具有较高的敏感性（87.85%）和特异性（96.75%）。
这项研究的意义，在于借助人工智能找到了一种全自动结直肠癌病灶分割方法，能够有效缩短结直肠癌疾病分析和诊断的前期工作所需要的时间，大大降低医生的劳动强度。此外，这个方法还可以拓展应用到其他的肿瘤病灶分割上，加快相关疾病的研究进展。相关成果发表在Australasian Physical & Engineering Sciences in Medicine (SCI IF 1.171):
Junming Jian, Fei Xiong, Wei Xia, Rui Zhang, Jinhui Gu, Xiaodong Wu, Xiaochun Meng*, Xin Gao*, Fully Convolutional Networks (FCNs)-Based Segmentation Method for Colorectal Tumors on T2-Weighted Magnetic Resonance Images, Australasian Physical & Engineering Sciences in Medicine, Apr.4, 2018 (Published online).
文章链接：https://doi.org/10.1007/s13246-018-0636-9
图1 基于全卷积神经网络的结直肠癌分割网络图
图2 结直肠癌病灶分割结果。第1-4行是4个不同的样本：（a）原始图像；（b）金标准；（c）U-net（交叉熵）；（d）U-net（戴斯系数）；（e）我们的模型（交叉熵）；（f）我们的模型（戴斯系数）
附件下载：
