南工大團隊AI助力醫學診斷

在沒有就診醫生參與下，如何準確高效地分析判斷影像數據從而及時、科學地診斷病情？由南京工業大學電腦科學與技術學院杭文龍副教授、黃燁鋮碩士領銜的研究可讓AI賦能影像醫學，智慧“分類器”自主“去劣存優”助力醫學診斷。 

在我國醫學影像數據年增長率約為30%，而放射科醫師數量年增長率僅為4.1%的當下，通過AI方式輔助影像科、放射科醫生進行診斷，以提升醫療機構服務水準和效率、解放勞動力，已成為當前醫學影像發展的熱點和學界研究的焦點。日前，2022年MICCAI學術會議(人工智慧醫學影像領域的國際頂級會議)論文錄用結果公佈，南京工業大學電腦科學與技術學院杭文龍副教授、黃燁鋮碩士的研究論文“基於可靠感知對比自整合的半監督醫學圖像分類”被提前錄用，此研究可讓AI賦能影像醫學。 

“醫學影像數據需要大量醫學專業人員開展手工標注，該過程耗時耗力，阻礙了深度學習方法在臨床實踐中的應用。”杭文龍介紹，借助大量未標記數據建立半監督學習模型是一種有效解放人力的途徑。“毋庸諱言，不同醫生、不同設備在不同光線、不同角度等參數的影響下，拍出的影像數據不盡相同，這便會給AI模型的訓練過程造成干擾，影響其在臨床應用中精準判斷。”杭文龍表示，因為不同的人群、設備和環境中採集的大量醫學影像數據之間通常會存在較大差異，所以會對模型的預測性能産生不利影響。“我們在研究中建立了可靠感知機制，解決了實際臨床中的痛點問題。”杭文龍解釋道，在借助AI輔助技術時，通常首先需要訓練分類器，“但傳統的分類器對數據不加判斷，一股腦兒地都用，我們的研究賦予該分類器以智慧，會進行分揀，做到去‘劣’存‘優’。”據介紹，較之傳統分類器，他們的分類器比較有“智慧”，排除了不可靠的醫學影像數據的干擾，建立安全的半監督學習模型，提升分類器模型的預測能力。

“隨著線上醫療診斷的發展，該項研究成果對提升醫學影像診斷效率、降低漏診誤診率以及節約人工成本具有重要的應用價值和廣闊的應用前景。”杭文龍介紹。