日前，放射學領域的國際期刊 Radiology《放射學》發表了華為云 EI 創新孵化 Lab、華中科技大學電信學院、華中科技大學同濟醫學院附屬協和醫院放射科聯合團隊的最新研究成果 ——AI 算法檢測動脈瘤，其檢測靈敏度達 97.5%，該算法可以幫助醫生在臨床診斷精確度方面，提升約 10 個百分點，同時漏診率降低 5 個百分點，有效地縮短了醫生診斷時間。

Radiology 雜志作為放射學領域的頂級期刊之一，一直是該領域的絕對權威。它擁有 12.5 的 CiteScore 值（“連續三年論文在第四年度的篇均引用次數”）和 7.9 的影響因子，是該領域內被引用次數最多的期刊之一。因此能夠在 Radiology 上發表一篇論文是眾多 “放射學人” 所夢寐以求的事情。

新環境下的腦動脈瘤輔診

近年來，人工智能 + 醫學影像的組合成為了最熱門的話題之一，它將最先進的人工智能技術應用于醫學影像診斷，幫助醫生診斷患者病情的人工智能。具體應用場景包括但不限于各類病灶識別與標注，如宮頸癌、肺部結節、心腦血管疾病輔診等。

當下腦動脈瘤的診斷依舊存在較大的不確定性。腦動脈瘤是腦動脈內腔的局限性異常擴大造成的一種瘤狀突出，有時會存在滲漏或破裂風險，該病位居腦血管疾病病因的 Top3，因其致命性和未知性，被稱為 “沉默又致命的殺手”。

據悉，腦動脈瘤可造成大約 80%-90% 的非創傷性蛛網膜下腔出血，而這一嚴重的腦部疾病死亡率為 23%-51%，另外還有 10%-20% 的永久殘疾風險，對其進行早期診斷與治療非常必要。動脈瘤位置多發，形態多樣，對醫生資歷要求較高。中國人口基數大，高資歷醫生匱乏，相關醫生工作強度極大。

動脈瘤破裂的風險取決于動脈瘤的大小、形狀和位置，因此腦動脈瘤的檢測和特征提取是指導治療的關鍵。

目前，CT 血管造影成像（CTA）是評估顱內動脈瘤的主要影像學檢查手段，與磁共振血管造影（MRA）相比， CTA 是一種快速且經濟有效的診斷技術，通常具有更廣的可用性和較高的空間分辨率。與數字減影血管造影（DSA）相比，CTA 通常更廣泛且具備無創性。但是由于腦動脈瘤體積小和顱內血管的復雜性，即使專業的放射學專家進行診斷也需要耗費很長的時間，一些小動脈瘤還可能被遺漏。

那么腦動脈瘤診斷作為當前較為復雜的疾病之一，是如何將人工智能應用其中的呢？

人工智能 + 醫學影像，解決腦動脈瘤輔診難題

近日發表在 Radiology 上的這項最新技術，運用了華為云一站式 AI 開發平臺 ModelArts，ModelArts 平臺作為華為云的自研平臺，提供了數據預處理及半自動化標注、大規模分布式訓練、自動化模型生成等的一系列便捷功能。

該腦動脈瘤檢測算法包括一個編碼器和解碼器，并在編碼器解碼器中間使用了密集的空洞卷積 (DAC) 和殘差多核池化 (RMP) 模塊。輸入的 CTA 圖像按照 0.39×0.39×0.39 mm^3 的分辨率被重新采樣，算法輸出會提供動脈瘤存在概率、動脈瘤位置以及直徑大小等信息，并在 CTA 原始圖像上為可疑的動脈瘤勾畫出一個邊界框。效果如下圖所示。

圖 | 效果圖

圖 | 數據獲取、篩選和分割流程圖

文中，作者表明該研究使用了 534 名患者的 CTA 數據來訓練深度學習檢測算法，然后在另外 534 例數據上進行驗證。結果顯示，該研究算法檢測出來 633 個動脈瘤（驗證集共含有 649 個動脈瘤），靈敏度達到 97.5%；同時算法還檢測出了 8 個新的動脈瘤，而這些動脈瘤在醫生最初的診斷中被忽略了。這 8 個動脈瘤有 6 個直徑小于 3mm，2 個在 3-5mm 之間，說明該研究算法對于微小動脈瘤也具備非常好的性能。

圖 | 算法在驗證集上的 FROC 曲線

對于基層醫院來說，相比于三甲醫院，其在復雜影像的處理能力、判斷能力方面更加缺乏專業性的人才和技術。而這項技術的產生正是填補了相應的空缺，具有非常廣闊的應用場景。

責任編輯：xj

原文標題：AI算法檢測動脈瘤靈敏度達97.5%，華為云最新聯合成果登上國際頂刊

文章出處：【微信公眾號：DeepTech深科技】歡迎添加關注！文章轉載請注明出處。