中大工程学院开发人工智能深度学习 应用于医学影像检测 大大提升诊断肺癌及乳腺癌效率

07.09.2017  01:22


香港中文大学(中大)计算机科学与工程学系教授 王平安教授 及其研究团队,最近成功应用人工智能影像识别技术,通过深度学习(Deep Learning)系统判读电脑断层扫瞄(CT)及病理组织切片等医学影像,并针对香港两大高危疾病──肺癌及乳腺癌的影像进行研究。结果显示,利用人工智能判读该两种癌症的医学影像,准确率分别高达91%及99%,识别过程只需30秒至10分钟,可见此技术能大幅提升临床诊断的效率,并降低误诊率。预计在未来一至两年,这种自动化检测技术将可于本地医疗界广泛应用。 

通过深层神经网络自动检测肺 结节  

肺癌是本港头号致命癌症,早期肺癌多以肺小结节(small pulmonary nodule)的形式出现,即在肺部影像出现细小的团状阴影。现时,医生主要通过胸腔CT图像去检查是否存在肺小结节,然而,每次检查都可产生多达数百张断层扫描图像,单靠肉眼判断,往往耗费大量时间精力,准确度或会因医生的经验及精力差 异而有所影响。王平安教授及其团队采用深度学习技术判读CT扫描图像,仅需30秒,就能自动识别出可能出现肺小结节的位置,准确度高达九成。一般情况下,每次CT检查会产生数百张二维切面图,如逐一以肉眼观察,每幅花3秒,耗时至少5分钟。

中大研究团队早于五年前展开相关实验,技术走在国际前沿,现今测试效果已取得医学界的正面回响。王平安教授相信此技术将于未来一至两年内被广泛应用,他表示:「深度学习透过先进的方法,提升技术的敏感度,剔除疑似及杂讯的误报(假阳性),解决了用肉眼检测影像所遇到的最大挑战。」他透露,团队将联同北京几所医院合作开发相关产品,以优化技术,及早识别肺结节病变,为肺癌的早期诊断和治疗提供可靠的依据。 

自动检测组织病理学图像中的乳腺癌淋巴结转移  

自1990年以来,本港乳腺癌新增个案持续上升。乳腺癌是香港女性最常见的癌症,在常见癌症中排名第三。医生一般要通过乳房X光造影或MR扫瞄,检测硬块位置:在检测淋巴结转移时,医生须切取一小块活组织为样本,在显微镜下检查淋巴结有否转移,以及肿瘤是良性还是恶性。一幅数码活组织全切片图像的解像度非常高,档案大小可达1GB(Gigabyte),相当于一部90分钟高清电影的储存容量,检测过程极之费时费力。 

中大研究团队开发了一种崭新的深层叠卷积神经网络,分阶段处理乳腺癌的切片图像。首先使用改良版的全卷积网络(Fully Convolutional Network)——一种对图像进行较粗略但保持高灵敏度的快速预测模型,重构出更加精密而准确的预测结果,最后定位并挑选出含有淋巴结转移的图像。整个自动化检测过程只需约5至10分钟,如单靠肉眼查看则病理医生往往要花费15至30分钟。准绳度方面,对比资深病理医生人工检测的结果,自动化检测的准确度高出2%,达到98.75%,对乳腺癌的临床诊断极具参考价值。 

人工智能深度学习的优点,是能容纳大规模的参数,随著数据之累积,精准度能够不断提升;应用于医学上的自动筛查及检测,有如一个永不疲劳的医护助手,协助医生快速识别病源,及时制定适切的治疗方案,对症下药。

「岭大校友日2023」吸引近300人聚首一堂 见证校园最新发展
岭大举办「校友日2023」,吸引近300位校友参加。岭南大学
岭南大学举办人工智能和大数据应用国际会议
一众嘉宾於「人工智能与大数据应用国际会议」上合照。岭南大学
岭大与小学携手推动乐龄科技教育与发明
岭大和博爱医院历届总理联谊会郑任安夫人学校举办乐龄岭南大学