颅内动脉瘤(IA)的破裂通常会导致患者死亡或遭受严重伤害，极大地威胁人体健康。据报道，IA在一般人群中的患病率可达6%，且80%的非创伤性蛛网膜下腔出血是由IA破裂引起的。然而，IA目前的检查和诊断仍费时费力，这容易影响临床实践中的诊断精度，尤其是对于小动脉瘤。因此，亟需一种智能高效的工具来辅助医生进行IA的诊断。
近日，清华大学脑与认知科学研究院戴琼海院士团队在CellPress细胞出版社旗下Patterns期刊发表了一篇题为“Towardhumanintervention-freeclinicaldiagnosisofintracranialaneurysmviadeepneuralnetwork”的文章，提出了一种无需人工干预的IA检测和分割的深度学习模型(GLIA-Net)。该模型通过定量评价和临床实验验证了其优越的诊断性能，预计将有助于改变脑血管疾病的临床诊断，实现精确治疗，未来也可能改变医疗保健和生物医学研究的格局。
研究亮点
GLIA-Net是临床诊断颅内动脉瘤（IA）的一种深度学习方法；
它可以直接应用于采集的CTA图像，而无需任何费力的预处理；
通过临床研究证明了它在辅助诊断方面的有效性。
研究介绍
颅内动脉瘤(IA)是对人类健康的巨大威胁，往往导致非创伤性蛛网膜下腔出血或预后不良。据统计，IA在一般人群中的患病率可达6%，80%的非创伤性蛛网膜下腔出血是由IA破裂引起的。然而，在医学图像扫描中，IA尺寸非常小，容易与正常血管混淆，使得专业放射科医生需要仔细检查每个病例数百张2D图像切片方能做出评估诊断。近几十年来，计算机断层血管造影(CTA)和磁共振血管造影(MRA)技术被应用于IA诊断中，其成本越来越低，成像质量越来越好，但仍需要放射科医生付出很大的时间和精力以检测医学图像中的IA病变。
此研究提出了一种可应用于CTA图像的全自动IA分割深度学习模型——基于全局定位的IA网络(GLIA-Net)。GLIA-Net包含一个提供全局风险概率信息的全局定位网络和一个高分辨率的局部分割网络，可以将全局定位先验同局部特征结合起来，生成精细的三维分割结果。同时该模型可以直接用于不同的临床情景和成像设置中，甚至可以直接分析包含头颈心扫描的影像，而无需任何预处理程序。
该模型通过定量评价验证了其逐像素分割和目标检测的性能。GLIA-Net在一个大型内部数据集（来自6个机构的1,338例医学影像）和两个外部数据集上进行训练和评估。结果表明，在内部测试集上，GLIA-Net可以识别超过80%的IA目标。与其他模型相比，该模型对不同的成像设备表现出良好的泛化性，性能优异。
通过临床实验进一步证明了该模型的临床应用价值，即辅助放射科医生诊断IA。在该临床实验中，两组临床医生在原始的CTA图像中进行IA诊断，其中一组接受了模型的辅助。结果显示模型的辅助能够帮助临床医生在几乎所有的指标中提升他们的诊断表现，并节省诊断时间。
通讯作者团队介绍
戴琼海院士
戴琼海，清华大学自动化系教授，清华大学生命科学学院兼职教授，清华大学信息学院院长，清华大学脑与认知科学研究院院长，中国工程院院士，中国人工智能学会理事长。近年来，主持研制了全球视场最大、数据通量最高的多维多尺度高分辨率计算摄像国家重大科研仪器，在清醒动物全脑皮层神经元活动和连接观测等领域取得了系列突破，构建了新型介观脑观测技术与仪器体系，支撑脑科学与医学的新发现，为人工智能发展提供了新途径，相关成果先后发表于NaturePhotonics,NatureMethods,NatureMachineIntelligence,Patterns等期刊上。
王荣品主任医师
王荣品，医学博士，主任医师，博士生导师，省管专家，贵州省人民医院医学影像科主任。1995年毕业于遵义医学院临床医学系，2006年获遵义医学院影像医学与核医学专业硕士学位，2010年获南方医科大学影像医学与核医学专业博士学位，2014-2015在哈佛医学院做博士后研究。主要从事心胸及神经影像研究，已发表本专业论文100余篇，其中第一或通信作者SCI收录论文20篇，主编、主译、参编专著7部，获省级科技奖2项，厅级科技奖3项。
张体江主任医师
张体江，医学博士，教授、主任医师(三级），硕士、博士研究生导师，遵义医科大学附属医院副院长，主要从事神经影像研究，主持及完成国家自然科学基金3项，发表论文100余篇，其中SCI论文13篇，参编教材及专著10部，《中华放射学杂志》、《放射学实践》等审稿专家。先后获贵州省科技进步奖三等奖1项（第1完成人）、贵州省优秀青年科技人才、贵州省政府特殊津贴及贵州省第二届百优医师。
徐枫副教授
徐枫，清华大学软件学院副教授，博士生导师。2007年于清华大学物理系获得理学学士学位、2012年于清华大学自动化系获得工学博士学位。2012年-2015年就职于微软亚洲研究院，先后任副研究员、研究员。2015年至今在清华大学任教。
研究方向包括人工智能、智慧医疗、虚拟/增强现实等。近年来致力于三维重建、人工智能、大数据技术与医学、生命科学的交叉问题研究。相关工作发表在Patterns，PRL，ACMSiggraph,ACMSiggraphAsia,CVPR等国际权威期刊和会议上（主页：http://xufeng.site）。
相关论文信息
论文原文刊载于CellPress旗下期刊Patterns上
▌论文标题：
Towardhumanintervention-freeclinicaldiagnosisofintracranialaneurysmviadeepneuralnetwork
▌论文网址：
https://www.cell.com/patterns/fulltext/S2666-3899(20)30267-1
▌DOI：
https://doi.org/10.1016/j.patter.2020.100197
如若转载，请注明出处：https://www.ozabc.com/keji/401053.html