站内搜索:
联系我们 | 网站地图 | English | 中国科学院  

此页面上的内容需要较新版本的 Adobe Flash Player。

获取 Adobe Flash Player

新闻动态
 您现在的位置:首页 > 新闻动态 > 科研进展
苏州医工所高欣课题组在基于人工智能的结直肠癌研究中取得进展
发表日期: 2018-05-25 作者: 简俊明
打印 文本大小:    关闭

  近年来,人工智能(Artificial IntelligenceAI)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 

  1 基于全卷积神经网络的结直肠癌分割网络图  

   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;(cU-net(交叉熵);(dU-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
 
版权所有:中国科学院苏州生物医学工程技术研究所 Copyright 2009 All Rights Reserved
电话:0512-69588000 传真:0512-69588088 E-mail:office@sibet.ac.cn
地址:苏州高新区科技城科灵路88号 邮编:215163
您是第:位访问者
官方微信扫一扫