人工智能在前列腺癌MR诊断中的应用令人期待

发布时间:2017-01-17

目前,市场上有一些公司致力于图像机器学习,乳腺癌和肺癌等的影像辅助诊断较为成熟,但对于前列腺癌这一细分领域成熟产品较少。近期,由北京大学生物医学跨学科研究中心、北京大学第一医院合作开发的基于智能图像识别和深度学习的前列腺癌MR智能辅助诊断系统开始进行临床研究,正在应用全国十余个省份的二十多家医院的数据检验其效能。

前列腺MR诊断对医生经验要求较高

据世界肿瘤协会公布的数据,前列腺癌是欧美老年男性中发病率第一的恶性肿瘤,近年来在中国的发病率不断升高。大量数据表明,前列腺癌好发于中老年人,患者平均发病年龄在65岁以上。

前列腺癌的早期诊断和分期非常重要,目前对于广泛采用的多参数磁共振影像数据的解读是一个技术难点,磁共振图像包含多种对比的图像,每类图像可以提供不同的诊断信息,需要医生有丰富的经验,才能综合利用这些信息作出准确的解读。

前列腺MR(磁共振)图像里,有时炎症、增生与肿瘤的表现类似,要求非常有经验的医生才能鉴别。实际上,有经验的医生对这些疾病的鉴别平均准确率也常不超过70%。更重要的是,MR的任务不是检出“癌”,而是检出“临床显着癌”,需要长时间、大样本量的训练,才能积累一定的诊断经验。而通过机器辅助诊断的方式可以在短时间内“学会”识别癌灶,辅助医生做出判断。

智能辅助诊断可帮助识别前列腺MR图像中的肿瘤

前列腺癌MR智能辅助诊断系统是一款智能学习和诊断的平台。该平台运用了人工神经网络的技术,从MR图像数据中挖掘出有用信息,让计算机可以从中“学到”肿瘤的影像表现。专家对这套智能系统进行“训练”,通过图例和诊断结果来培训计算机,经过这种训练后,计算机就可以半自动地阅读图像。

在多参数磁共振影像中,通过提取图像中有用特征,找到最有可能是肿瘤的区域,做出肿瘤的风险预测。预测结果以概率地图的方式呈现,可以直观地帮助医生做出诊断。经过与病理结果的对照,证实了这种方法的准确性和有效性。

在前列腺癌MR智能辅助诊断系统的帮助下,影像科医生的阅片时间有可能显着缩短。未来会在云数据平台的基础上,多中心的影像数据可以不断积累和优化,而通过大量数据对该智能系统的训练,前列腺癌智能诊断平台的诊断能力会越来越强。

相关阅读文章
国务院总理李克强:抗癌药品力争降到零关税
脑瘤
更多>>
心血管
更多>>
肺癌
更多>>
美国医疗
更多>>
英国医疗
更多>>
韩国医疗
更多>>
does insurance cover surrogacy

medicaments-24.com/shop/town-marseilles/cialis-tadalafil/

https://medicaments-24.com

©2017