CT作為一種常見的檢查手段，相信不少老百姓均十分熟悉。而基于影像的自動(dòng)分割技術(shù)能夠輔助醫(yī)生精確了解病灶的位置、大小以及與周圍血管、組織的關(guān)系，幫助疾病診斷、圖像引導(dǎo)手術(shù)以及醫(yī)學(xué)數(shù)據(jù)的可視化，為臨床診療和病理學(xué)研究提供可靠的依據(jù)。

當(dāng)前，能否實(shí)現(xiàn)全自動(dòng)的、精準(zhǔn)的病灶分割是決定醫(yī)學(xué)影像在臨床使用效果的關(guān)鍵。

近年來，深度神經(jīng)網(wǎng)絡(luò)的快速發(fā)展使得許多先進(jìn)的分割方法都取得了可喜的進(jìn)展。但與肝臟、心臟等器官相比，腸道腫瘤的形態(tài)、位置的變化大，因此，腸道腫瘤的自動(dòng)分割任務(wù)難度高。特別是結(jié)腸癌，因病灶分布范圍大、解剖結(jié)構(gòu)復(fù)雜，一直未能實(shí)現(xiàn)有效的病灶自動(dòng)分割，這一現(xiàn)狀嚴(yán)重制約了腸癌精準(zhǔn)診療人工智能的臨床應(yīng)用。

▲Medical Image Analysis發(fā)表吳小劍教授團(tuán)隊(duì)牽頭完成的研究成果

近日，我院結(jié)直腸肛門外科吳小劍團(tuán)隊(duì)邁出了堅(jiān)實(shí)的一步。他們?cè)趪H上率先實(shí)現(xiàn)了自主結(jié)腸癌病灶影像精準(zhǔn)分割的人工智能臨床解決方案，源于其開發(fā)的結(jié)腸癌病灶自動(dòng)精準(zhǔn)分割的醫(yī)學(xué)影像人工智能弱監(jiān)督-半監(jiān)督框架(Segmentation Only Uses Sparse Annotations，SOUSA )。

相關(guān)研究結(jié)果在醫(yī)學(xué)影像人工智能算法頂刊Medical Image Analysis（IF=13.828）發(fā)表。

本研究由吳小劍教授團(tuán)隊(duì)牽頭，聯(lián)合喀什地區(qū)第一人民醫(yī)院鄒小廣教授團(tuán)隊(duì)、上海人工智能實(shí)驗(yàn)室協(xié)作完成。

其中，文章題為“Segmentation only uses sparse annotations: Unified weakly and semi-supervised learning in medical images”（只使用稀疏標(biāo)注的病灶分割：醫(yī)學(xué)圖像的聯(lián)合弱學(xué)習(xí)和半監(jiān)督學(xué)習(xí)），吳小劍教授為最后通訊作者，喀地一院鄒小廣教授、上海交通大學(xué)張曉凡教授為共同通訊作者，我院高峰副研究員、鐘敏兒博士、孟曉春主任與喀地一院田序偉主任為共同第一作者，喀地一院馬依迪麗·尼加提主任等為共同作者。

據(jù)介紹，基于醫(yī)學(xué)影像的人工智能為腸癌個(gè)體化診療提供了巨大的可能性，已經(jīng)有多項(xiàng)研究實(shí)現(xiàn)了病人的療效預(yù)測(cè)、術(shù)后復(fù)發(fā)風(fēng)險(xiǎn)評(píng)估，但這些應(yīng)用無不依賴于精準(zhǔn)的病灶分割。

此次SOUSA技術(shù)的開發(fā)在國際上首次實(shí)現(xiàn)了結(jié)腸癌的自動(dòng)分割，為加速腸癌人工智能精準(zhǔn)診療的臨床應(yīng)用奠定了基礎(chǔ)。

自動(dòng)化標(biāo)準(zhǔn)化的精準(zhǔn)影像信息處理將有效地降低經(jīng)濟(jì)、時(shí)間和人力成本，為精準(zhǔn)診療的實(shí)施提供了重要的臨床依據(jù)，具備極大的臨床轉(zhuǎn)化應(yīng)用前景。

▲基于CT影像的結(jié)腸癌病灶分割

本研究中，團(tuán)隊(duì)在SOUSA框架中充分利用了弱監(jiān)督學(xué)習(xí)和半監(jiān)督學(xué)習(xí)的優(yōu)勢(shì)，提高了人工智能的學(xué)習(xí)效率，減少了假陽性的預(yù)測(cè)，顯著提高了病灶分割的準(zhǔn)確度。

▲SOUSA框架

團(tuán)隊(duì)利用來自中山六院和喀地一院的923例有標(biāo)注結(jié)腸癌CT影像和2670例無標(biāo)注結(jié)腸癌CT影像作為SOUSA框架的訓(xùn)練數(shù)據(jù)集，并利用417例結(jié)腸癌CT影像對(duì)SOUSA框架進(jìn)行驗(yàn)證，結(jié)果顯示其自動(dòng)分割效果優(yōu)于現(xiàn)有的弱監(jiān)督和半監(jiān)督學(xué)習(xí)模型。與目前最先進(jìn)的方法ICT (Verma et al.，2019)、不確定性感知(Yu et al.，2019)和自我訓(xùn)練相比，SOUSA框架在每個(gè)數(shù)據(jù)比率上都達(dá)到了最佳性能。此外，當(dāng)數(shù)據(jù)集的大小有限時(shí)，SOUSA框架的性能甚至與使用密集注釋的模型的性能相當(dāng)。

▲對(duì)腸癌數(shù)據(jù)集使用不同方法的自動(dòng)分割結(jié)果

受中山大學(xué)選派，自去年6月27日起，現(xiàn)任廣東省援疆醫(yī)療隊(duì)隊(duì)長(zhǎng)、喀地一院院長(zhǎng)、我院副院長(zhǎng)吳小劍投身為期一年半的援疆工作。

援疆期間，吳小劍立足當(dāng)?shù)貙W(xué)科建設(shè)，發(fā)揮該院團(tuán)隊(duì)特長(zhǎng)，以SOUSA框架這一粵喀合作成果切實(shí)助力喀地一院發(fā)展。

原文鏈接：

Feng Gao, et al. Segmentation Only Uses Sparse Annotations: Unified Weakly and Semi-Supervised Learning in Medical Images. Medical Image Analysis. Available online 17 June 2022.

https://doi.org/10.1016/j.media.2022.102515