發布日期：2017-09-12

王平安（左）與研究團隊成功應用人工智能影像識別技術，提升肺癌及乳腺癌的影像診斷準確度。 針對肺癌及乳腺癌 最快 30 秒完成識別 肺癌及乳腺癌為香港常見的高危頑疾，為提升臨床診斷效率，香港中文大學工程學院研究團隊運用人工智能影像識別技術，通過深度學習系統判讀電腦斷層掃描及病理組織切片等醫學影像，以研究該兩類癌癥，結果顯示，利用該技術判讀的癌癥醫學影像，準確率分別高達 91% 及 99%，識別過程亦加快至 30 秒至 5 分鐘，更降低了誤診率。團隊將與本地公營醫院合作，期望技術最快可在未來一兩年后廣泛應用。 肺癌是香港頭號致命癌癥，每年有數千宗新增病例。肺癌早期多以肺小結節（small pulmonary nodule）的形式出現，病人的肺部影像會出現細小團狀陰影。目前醫生主要透過胸腔電腦斷層掃描（CT）圖像檢查，了解病人肺部是否有肺小結節。 肉眼要看五分鐘 不過，每次檢查可產生多達數百張 CT 圖像，一般情況下，若逐張以肉眼觀察，每幅花 3 秒，耗時至少 5 分鐘，會耗費大量時間和精力，準確度也會因為醫生的經驗及精神狀態而存在差異。 中大計算機科學與工程學系教授王平安及其團隊，于 5 年前展開相關實驗。他們采用人工智能深度學習技術（Deep Learning）判讀 CT 掃描圖像，只需 30 秒就能自動識別出可能出現肺小結節的位置，準確度高達 91%。 王平安解釋，深度學習是指電腦模仿人的大腦，根據所收集的數據，按醫生的指示及示范，進行數據分析，并且多次重復的學習及修改，可提升系統準確度。 預計一兩年內得到廣泛應用 他相信該技術將于未來一兩年內被廣泛應用。深度學習透過先進的方法，提升技術的敏感度，降低假陽性率，解決了用肉眼檢測影像所遇到的最大挑戰。 王平安又透露，團隊將聯合北京的 3 所醫院共同開發相關產品，時會與香港醫院合作，以盡快在本地醫療系統應用。 除了肺癌之外，有關技術也可應用在乳腺癌診斷。醫生一般要通過乳房 X 光造影或 MR 掃描檢測硬塊位置，而在檢測淋巴結轉移時，就須切取一小塊活組織為樣本，在顯微鏡下檢查淋巴結是否有轉移，以及判斷腫瘤是良性或惡性。 一幅數字活組織全切片圖像的分辨率很高，檔案大小可達 1GB，于是研究團隊開發了一種嶄新的深層疊卷積神經網絡，分階段處理乳腺癌的切片圖像。 首先使用改良版的全卷積網絡（Fully Convolutional Network），即一種對圖像進行較粗略但保持高靈敏度的快速預測模型，重構出更加精密而準確的預測結果，最后定位并挑選出含有淋巴結轉移的圖像。 整個過程只需約 5 分鐘至 10 分鐘，而目前單靠肉眼檢查則需花費 15 分鐘至 30 分鐘。自動化檢測的準確度達到約 99%。 研究團隊成員之一的博士研究生竇琪指出，團隊早前參加過不少國際學術比賽，比賽也會提供病人數據以測試系統的準確度，結果顯示中大團隊的表現優秀，在檢測肺癌及乳腺癌的準確率達九成或以上。 >>>> 人物介紹 王平安：視見醫療聯合創始人 & 榮譽董事長，教育部長江學者，香港中文大學計算機科學與工程系教授，虛擬現實、可視化及圖像學研究中心主任，重點戰略研究計算機輔助醫學研究領域主任，中科院深圳先進院人機交互實驗室主任。主要研究方向為計算機輔助醫學、虛擬現實在醫學中的應用、交互式科學計算可視化、三維醫學圖像等方向，已發表學術論文 400 余篇。由王平安教授領導研發第一個“虛擬人”，首次在計算機平臺上實現了對超高分辨率可視人數據的高度交互及逼真的可視化。

來源：動脈網