《精准医疗下智能影像识别关键技术的研究与应用》

立项背景:

精准医疗是结合人类对疾病机制的认知及数据分析技术,对疾病进行精准诊断及个性化的治疗,从而以有效、经济的医疗服务获取个体与社会健康效益的最大化。相比传统诊疗手段,精准医疗具有精准性和便捷性等优点,已正式纳入中国“十三五”国家社会发展科技创新规划、“健康中国2030”规划中,得到国家和社会的高度重视,具有广阔的发展前景。

精准诊断是精准医疗的重要基础。医学影像是临床上较为常用、重要的医疗诊断参考,然而医生大多基于自身的临床经验来分析影像,具有较强的主观性,难以保证诊断的正确性。

该项目在精准医疗背景下,针对如何实现医学影像的快速、精准诊断问题,研究了智能影像识别中精细的病灶分割、高效的特征提取及精准的疾病诊断等关键技术,其中,精细的病灶分割能够准确地分割病灶的重要细节,是后续精准诊断的基础;高效的特征提取能够获取对疾病诊断具有重要参考依据的病灶特点,是后续精准诊断的关键;最后,精准的诊断模型能够有效利用获取的病灶特征,计算得到精准的诊断结果。该项目研究的关键技术能够充分挖掘并利用医学影像有效信息,实现疾病精准诊断,对于推动精准医疗的发展,助力该省新旧动能转换、提升中国国民健康水平具有重要的理论意义和应用价值。

研究内容:

课题组成员针对智能影像识别中的精细的病灶区分割、高效特征提取及精准的疾病诊断三个关键步骤的难点问题进行了深入、系统的研究。主要工作概括如下:

(1)在病灶区分割方面,提出了利用鲁棒先验学习和有效信息学习的分割框架,较好地解决了灰度分布复杂、有效信息较难挖掘等问题,使得分割精度提高了5%。

(2)在特征表示方面,为了降低计算复杂度,提出了高效的二值码特征学习框架,解决了特征表示中的关联性、区分性信息损失以及信息融合不充分问题,提高了特征的有效性。

(3)在疾病诊断方面,提出了区分性深度学习的诊断框架,解决了类内差异性大、类间相似度高等问题,提高了诊断精度;进一步,融合多模态影像进行疾病诊断,提出了基于局部结构保持Ranklet和多任务学习的多模影像融合诊断方法,解决了多模影像鲁棒信息挖掘和利用不充分问题,诊断精度进一步提高了3%。

基于上述研究成果,研发了诊断精度高、速度快、稳定可靠的智能影像识别系统,能够满足对病灶定量及定性分析,为医生提供可靠的决策参考。

技术成果:

该项目在TIFS、TMM、PR、CVPR等重要国际学术期刊和会议发表论文40余篇,成果受到国内外同行的广泛重视,得到了包括中国科学院院士,国家杰出青年基金、教育部青年长江学者获得者等多位权威专家的引用、转述。授权国家发明专利7项,软件著作权2项;得到包括国家自然科学基金重点项目等多个项目的立项支持。

推广应用:

该项目研发的系统已经在山东省千佛山医院、山东中医药大学附属医院等多家各级各类医院进行推广应用,有效地辅助医生对疾病进行精准诊断,推动了精准医疗的发展,产生了显著的社会效益。

成果说明

以本项目的研究成果为核心技术,课题组开发了功能强大、速度快,稳定可靠的具有自主知识产权的智能影像识别系统。该系统陆续在山东省千佛山医院、山东中医药大学附属医院、山东省胸科医院、济南市第四医院等各级各类医院等进行推广应用,系统的应用情况可以概括为以下几点: (1)分割功能是该系统的一个重要功能,能够对CT、OCT、MR等临床常用影像进行精细病灶区分割,在分割过程中,能将病灶区的重要细节完整的保留下来,系统精准、快速的分割能够极大节省医生寻找病灶区的时间,并为后期的病灶区及其他感兴趣区域的定性及定量分析起到

  1. 下载详细PDF版/Doc版

提示:为方便大家复制编辑,博主已将PDF文件制作为Word/Doc格式文件。