《医学影像信息学》课件-第五章 医学图像人工智能技术的认知

第五章医学图像人工智能技术的认知人工智能的概述第一节人工智能（artificialintelligence，AI）指的是使系统模仿诸如学习、推理和自我纠正等人类智力相关能力的计算机科学领域。计算机辅助诊断（computeraideddiagnosis，CAD）或计算机辅助检测（computeraideddetection，CAD）是指通过影像学、医学图像处理技术以及其他可能的生理、生化手段，结合计算机的分析计算，辅助发现病灶，提高诊断的准确率。一、人工智能的定义第一节人工智能的概述一、人工智能的定义第一节人工智能的概述CT技术路线胸片技术路线计算机辅助诊断在医学中的应用可追溯到20世纪50年代。CAD最早可追溯到1954年美国的华人科学家钱家其将计算机应用于放射治疗，计算剂量分布和制订治疗计划。1959年，美国学者Ledley等首次将数学模型引入临床医学并提出了计算机辅助诊断的数学模型，诊断了一组肺癌病例，开创了计算机辅助诊断的先河。1966年，Ledley首次提出“计算机辅助诊断（computeraideddiagnosis，CAD）”的概念。二、人工智能的发展第一节人工智能的概述

较为成熟的CAD始见于1967年问世的乳腺X射线，其目前仍是医学图像CAD临床应用研究的热点。1983年，在德国柏林召开了首次国际医学图像CAD会议，标志医学图像CAD学科的诞生。20世纪90年代以来，人工神经网络（artificialneuralnetwork，ANN）快速发展，它是模仿人大脑神经元工作原理的一种数学处理方法。1998年5月，用于乳腺癌的CAD通过FDA认证，2001年10月用于肺癌的CAD也通过了FDA认证。二、人工智能的发展第一节人工智能的概述人工智能的应用第二节

（一）肿瘤探测比如皮肤色素瘤、乳腺癌、肺部癌变的早期识别。（二）肿瘤发展追踪人工智能可以根据器官组织的分布，预测出肿瘤扩散到不同部位的概率，并能从图片中获取癌变组织的形状、位置、浓度等等。（三）血液量化与可视化通过磁共振图像，人工智能可以更有效地再现心脏内部血液的流量变化，并且探测心脏病变。一、人工智能的应用第二节人工智能的应用

（四）病理解读由于不同医生对于同一张图片的理解不同，人工智能可以被训练用于解读图片，并向医生提供较为全面的报告，使医生可以了解到多种不同的病理可能性。（五）糖尿病视网膜病变检测由糖尿病导致的视网膜病变是失明的一大主因，而早期治疗可以有效减缓这一症状。人工智能可以辨认出处于早期的患者，并能根据图片像素判断病情的发展程度。一、人工智能的应用第二节人工智能的应用

（六）医学图像分析和处理主要应用在医学图像分割、图像配准、图像融合、图像压缩、图像重建等领域；包括蚁群算法、模糊集合、人工神经网络、粒子群算法、遗传算法、进化计算、人工免疫算法、粒计算和多Agent技术等；涉及MRI图像、超声图像、PET图像、CT图像和医学红外图像等多种医学图像。一、人工智能的应用第二节人工智能的应用

（一）CAD的图像处理1.图像处理对图像进行各种加工以改善图像的观察效果，它是一个从图像到图像的过程。2.图像分析对图像中感兴趣的目标进行检测和测量（特征提取），以获得客观的信息。3.图像理解研究图像中各目标的性质及其相互关系，理解图像的含义。二、计算机辅助诊断的应用第二节人工智能的应用

（二）CAD在影像医学中的应用1.CAD在胸片诊断中的应用胸部X线片肺结节的漏诊率高达30％以上，其原因在于：（1）正常解剖结构的重叠遮挡；（2）病变小、密度低；（3）病变形态不规则；（4）阅片疲劳；（5）各个人的诊断标准不一。X线片结合CAD系统，对于纠正和弥补这些错误和不足具有巨大的优势。二、计算机辅助诊断的应用第二节人工智能的应用

（二）CAD在影像医学中的应用2.CAD在乳腺癌诊断中的应用（1）寻找可能存在的肿块性病变；（2）寻找微小的钙化点。据报道，应用CAD识别微小钙化点比常规阅片的情况高出26.20%～80.00%，进一步的调研认定，此类CAD在乳腺X线片诊断中与医生的诊断结果不相上下。二、计算机辅助诊断的应用第二节人工智能的应用

（二）CAD在影像医学中的应用3.CAD在影像医学其他领域中的应用CAD在神经系统影像诊断学中的应用。CAD在CT图像肺结节良恶性鉴别诊断中的应用。CAD在CT结肠造影中息肉的自动识别，以及在DSA等方面都有研究。二、计算机辅助诊断的应用第二节人工智能的应用

（三）CAD的优缺点1.CAD的优点（1）判断更加准确。（2）人工智能可以大批量快速地处理图像数据。（3）人工智能可以处理图片的类型更加丰富。（4）人工智能进行图像识别可以与患者的“大数据”相结合。（5）人工智能与“云”相结合，帮助医生远程进行图片分析。二、计算机辅助诊断的应用第二节人工智能的应用

（三）CAD的优缺点2.CAD的不足（1）CAD影像诊断结果医疗责任问题。（2）CAD相关信息安全问题。（3）放射专业医师的CAD知识及应用技能的教育问题。需要出台相对标准化的技术规范，以及建立医师与AI技术研发人员的沟通平台。二、计算机辅助诊断的应用第二节人工智能的应用计算机辅助诊断案例第三节

（一）准备（二）方法（三）对比分析冠状动脉计算机辅助诊断案例第三节计算机辅助诊断案例

（一）准备1.软件冠状动脉计算机辅助诊断案例第三节计算机辅助诊断案例病例的扫描设备信息

（一）准备1.软件冠状动脉计算机辅助诊断案例第三节计算机辅助诊断案例病例的患者基本信息

（一）准备2.适应证适用于对冠状动脉疾病患者的冠状动脉计算机断层扫描血管造影（CCTA）影像数据进行自动影像后处理重建并生成可供临床诊断使用后处理影像序列。可以自动检测管腔内是否发生狭窄，并生成辅助诊断的狭窄判断的信息和辅助诊断的文本式报告，用于辅助医生进行后续的诊断。冠状动脉计算机辅助诊断案例第三节计算机辅助诊断案例

（二）方法1.智能后处理冠状动脉计算机辅助诊断软件接收到PACS或工作站的病例原始DICOM序列后，可自动进行智能影像后处理，处理完毕后，用户可进入影像查看页面，除原始周围影像序列，后处理影像包括：可交互3D模型、两种容积重建影像序列（VR）、最大密度投影影像序列（MIP）、曲面重建影像序列（CPR）、曲面拉直重建影像序列（lumen）、血管探针法截面重建影像序列（Xsection）。冠状动脉计算机辅助诊断案例第三节计算机辅助诊断案例

冠状动脉计算机辅助诊断案例第三节计算机辅助诊断案例处理图像界面

（1）智能血管分段左侧“冠脉分支”菜单栏中显示了智能血管分段的命名。点击分段，右侧的图像序列区域的后处理图像同步切换至对应命名的图像序列。“冠脉分支”菜单栏列出此病例中算法检测到的血管，其命名方式符合SCCT2014标准，点击切换分支可以同步查看右侧分支对应的后处理影像序列。冠状动脉计算机辅助诊断案例第三节计算机辅助诊断案例冠状动脉计算机辅助诊断案例第三节计算机辅助诊断案例血管分支分段左主干（LM）无二级分支前降支（LAD）近段（pLAD）、中段（mLAD）、远段（dLAD）、中间支（RI）、对角支（D1）、对角支（D2）回旋支（LCX）近段（pCx）、中远段（LCx）、钝缘支（OM1）、钝缘支（OM2）右冠状动脉（RCA）近段（pRCA）、中段（mRCA）、远段（dRCA）、右后降支（R-PDA）、左室后支（R-PLB）血管分段命名规则表注：标准参见《冠状动脉CT图像解读和报告指南》（2014年SCCT指南）

（2）智能后处理的原始影像（轴位序列）查看冠状动脉计算机辅助诊断案例第三节计算机辅助诊断案例原始影像（轴位序列）

（2）智能后处理的原始影像（轴位序列）查看冠状动脉计算机辅助诊断案例第三节计算机辅助诊断案例原始影像显示分割和显示联动标记

（3）智能后处理的体渲染VR（心肌和冠脉）冠状动脉计算机辅助诊断案例第三节计算机辅助诊断案例VR体渲染图像显示区域（心肌和冠脉）

（4）智能后处理的体渲染VR（冠脉树）冠状动脉计算机辅助诊断案例第三节计算机辅助诊断案例VR体渲染图像显示区域（冠脉树）

（5）智能后处理的MIP冠脉树冠状动脉计算机辅助诊断案例第三节计算机辅助诊断案例VR体渲染图像显示区域（MIP冠脉树）

（6）智能后处理的曲面重建序列（CPR）冠状动脉计算机辅助诊断案例第三节计算机辅助诊断案例CPR曲面重建图和中心线

（7）智能后处理的曲面拉直序列（lumen）冠状动脉计算机辅助诊断案例第三节计算机辅助诊断案例智能后处理的lumen显示区域

（8）智能后处理的探针图像序列（Xsection）冠状动脉计算机辅助诊断案例第三节计算机辅助诊断案例智能后处理的Xsection探针显示区域

2.智能辅助诊断冠状动脉计算机辅助诊断案例第三节计算机辅助诊断案例智能辅助诊断界面冠状动脉计算机辅助诊断案例第三节计算机辅助诊断案例智能辅助诊断中人工智能（AI）算法判断狭窄的规则人工智能（AI）算法判断规则狭窄位置可自动判断血管分段最狭窄处自动标识最狭窄位置并提示用户可支持人工查看并根据临床经验修改狭窄程度判断通过深度学习的管腔狭窄：0%未见狭窄；1%～24%轻微狭窄；25%～49%轻度狭窄；50%～69%中度狭窄；70%～99%重度狭窄；100%闭塞斑块检测基于深度学习的斑块检出，可精确检出：钙化斑块、非钙化斑块、混合斑块支架检测基于深度学习的支架自动检出，可区分陈旧性的支架和弥漫性钙化，准确率高

3.智能辅助诊断报告软件能够根据智能辅助诊断的结果自动生成文本形式的辅助诊断报告。其内容包含冠状动脉各分支分段的狭窄情况。医生可以根据临床经验对报告进行编辑。自动化报告功能可节省医生书写报告的时间，提升诊断效率。冠状动脉计算机辅助诊断案例第三节计算机辅助诊断案例

冠状动脉计算机辅助诊断案例第三节计算机辅助诊断案例自动同步生成的文本式报告

（三）对比分析1.后处理重建的准确性（1）冠脉VR重建效果对比冠状动脉计算机辅助诊断案例第三节计算机辅助诊断案例

（三）对比分析1.后处理重建的准确性病例一：冠脉走形清晰、心脏解剖结构重建正确，心耳和肺动脉去除，方便医生观察冠脉走形，符合临床诊断习惯。冠状动脉计算机辅助诊断案例第三节计算机辅助诊断案例AI心脏重建（左）和医生使用工作站重建效果（右）

（三）对比分析1.后处理重建的准确性病例二：冠脉上的钙化斑块重建正确，与医生重建效果无异。冠状动脉计算机辅助诊断案例第三节计算机辅助诊断案例AI心脏重建（左）和医生使用工作站重建效果（右）

（三）对比分析1.后处理重建的准确性病例三：图为冠脉树重建效果，相比医生人工后处理重建（右图），可见冠脉走形清晰，没有静脉噪声干扰。右图在LAD和LCX两个主要冠脉分支的中段有大量静脉噪声缠绕，无法判断此处的走形和病变情况。冠状动脉计算机辅助诊断案例第三节计算机辅助诊断案例软件深度学习的冠脉树（左）和医生在后处理工作站人工完成的重建效果（右）

（三）对比分析1.后处理重建的准确性病例四：AI重建的冠脉树，LAD和RCA冠脉上的支架清晰可见。冠状动脉计算机辅助诊断案例第三节计算机辅助诊断案例软件深度学习的冠脉树（左）和医生在后处理工作站人工完成的重建效果（右）

（三）对比分析1.后处理重建的准确性（2）曲面重建（CPR）对比病例一：图像可见冠脉血管LAD近段的钙化和非钙化斑块清晰展示，和医生的重建效果一致，符合临床诊断标准。冠状动脉计算机辅助诊断案例第三节计算机辅助诊断案例AI的CPR重建（左）和医生工作站重建效果（右）

（三）对比分析1.后处理重建的准确性（2）曲面重建（CPR）对比病例二：对于图像质量一般或模糊的影像数据，AI重建效果较之于医生重建的图像更加清晰。冠状动脉计算机辅助诊断案例第三节计算机辅助诊断案例AI的CPR重建（左）和医生工作站重建效果（右）

（三）对比分析1.后处理重建的准确性（3）狭窄判断的准确性软件基于深度学习的管腔狭窄判断，可以有效地帮助医生进行辅助诊断，软件可判断管腔有无狭窄，医生可对有狭窄病变的血管进一步判断狭窄的程度。冠状动脉计算机辅助诊断案例第三节计算机辅助诊断案例

（三）对比分析1.后处理重建的准确性（3）狭窄判断的准确性AI辅助诊断报告（左）和医生判读报