廣東專家團隊實現人工智能結腸癌病灶影像精準分割

　　中山大學附屬第六醫院12日發布消息稱，該結直腸肛門外科吳小劍團隊在國際上率先實現了自主結腸癌病灶影像精準分割的人工智能臨床解決方案。相關研究結果在醫學影像人工智能算法期刊《醫學圖像分析》發表。

　　基于影像的自動分割技術能夠輔助醫生精確了解病灶的位置、大小以及與周圍血管、組織的關系，幫助疾病診斷、圖像引導手術以及醫學數據的可視化，為臨床診療和病理學研究提供可靠的依據。當前，能否實現全自動的、精準的病灶分割是決定醫學影像在臨床使用效果的關鍵。

　　近年來，深度神經網絡的快速發展使得許多先進的分割方法都取得了進展，但與肝臟、心臟等器官相比，由于腸道腫瘤的形態、位置的變化大，因此，腸道腫瘤的自動分割任務難度高。特別是結腸癌，因病灶分布范圍大、解剖結構復雜，一直未能實現有效的病灶自動分割，這一現狀制約了腸癌精準診療人工智能的臨床應用。

　　對此，中山大學附屬第六醫院吳小劍教授團隊牽頭，聯合喀什地區第一人民醫院鄒小廣教授團隊、上海人工智能實驗室開展研究，在國際上率先實現了自主結腸癌病灶影像精準分割的人工智能臨床解決方案，源于其開發的結腸癌病灶自動精準分割的醫學影像人工智能弱監督-半監督框架(Segmentation Only Uses Sparse Annotations，SOUSA)，并發表題為《只使用稀疏標注的病灶分割：醫學圖像的聯合弱學習和半監督學習》的通訊。

　　中山大學附屬第六醫院發布的消息稱，在本研究中，團隊利用來自中山六院和喀地一院的923例有標注結腸癌CT影像和2670例無標注結腸癌CT影像作為SOUSA框架的訓練數據集，并利用417例結腸癌CT影像對SOUSA框架進行驗證，結果顯示其自動分割效果優于現有的弱監督和半監督學習模型。

　　據介紹，此次SOUSA技術的開發在國際上首次實現了結腸癌的自動分割，為加速腸癌人工智能精準診療的臨床應用奠定了基礎。自動化標準化的精準影像信息處理將有效地降低經濟、時間和人力成本，為精準診療的實施提供了臨床依據。(完)